如何将DataFrame/Series拆分为所有可能的指定大小连续子块？

嗨，我明白你想要的是滑动窗口式的连续子DataFrame，而不是简单的均分拆分。咱们来一步步搞定这个需求：

首先先修正你代码里的一个小错误——创建pd.Series时需要传入一个列表，否则会报错，正确的初始化代码应该是：

import pandas as pd
a = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
df = pd.DataFrame(data=a)

接下来给你两种简便的解决方案：

方法一：Pandas原生索引切片（直观易读） #

这种方法通过循环遍历索引，用iloc切片生成每个连续子块，非常适合初学者理解：

def sliding_split(df, chunk_size=3):
    # 计算可生成的子块数量：总长度 - 窗口大小 + 1
    num_chunks = len(df) - chunk_size + 1
    # 循环生成每个子DataFrame
    return [df.iloc[i:i+chunk_size] for i in range(num_chunks)]

# 测试调用
result = sliding_split(df)
for idx, chunk in enumerate(result):
    print(f"子块 {idx+1}:")
    print(chunk)
    print("---")

运行后会得到你需要的所有连续子块：1-3、2-4、3-5、...、8-10，一共8个连续窗口子DataFrame。

方法二：Numpy滑动窗口视图（高效处理大数据） #

如果你的DataFrame数据量很大，用Numpy的滑动窗口视图会更高效，避免循环的性能损耗：

import numpy as np

def sliding_split_with_numpy(df, chunk_size=3):
    # 生成滑动窗口数组视图（不复制数据，节省内存）
    windowed_array = np.lib.stride_tricks.sliding_window_view(df.values, window_shape=(chunk_size, df.shape[1]))
    # 将每个窗口转换回DataFrame
    return [pd.DataFrame(window.squeeze(), columns=df.columns) for window in windowed_array]

这里sliding_window_view直接生成窗口化的数组视图，再通过列表推导式转换成DataFrame即可，性能比纯Pandas循环更优。

两种方法都能完美满足你的需求，你可以根据自己的场景选择：追求可读性选方法一，追求性能选方法二。

内容的提问来源于stack exchange，提问作者Elias