如何在Pandas中为时间序列DataFrame创建多列滞后特征？

嘿，这个需求其实用Pandas的shift()配合简单的列表推导或者循环就能完美解决，我来给你分享两种高效的实现方式：

方法一：简洁的列表推导式（推荐） #

这种方式代码更紧凑，而且避免了循环中多次拼接数据的性能损耗，适合处理200列这种规模的数据集：

import pandas as pd

# 假设你的原始时间序列DataFrame名为df
lag_steps = [1, 2, 3, 4]  # 你需要的滞后步长

# 一次性生成所有滞后列，同时完成重命名
lag_features = [
    df[col].shift(lag).rename(f"{col} (t-{lag})")
    for col in df.columns
    for lag in lag_steps
]

# 合并原始特征和所有滞后特征，得到最终数据集
final_df = pd.concat([df] + lag_features, axis=1)

方法二：直观的循环实现 #

如果你更喜欢分步清晰的逻辑，用双重循环也完全可行，可读性更强：

import pandas as pd

lag_steps = [1, 2, 3, 4]
final_df = df.copy()  # 先复制原始数据保留原特征

for feature in df.columns:
    for lag in lag_steps:
        # 生成滞后列并按要求命名
        shifted_col = df[feature].shift(lag)
        shifted_col.name = f"{feature} (t-{lag})"
        # 将新列添加到最终DataFrame中
        final_df = pd.concat([final_df, shifted_col], axis=1)

关键注意事项 #

• 缺失值处理：生成滞后特征后，前lag行会出现NaN值，你可以根据业务需求用final_df.fillna(method='ffill')（前向填充）、final_df.fillna(df.mean())（均值填充）等方式处理。
• 索引顺序：确保你的DataFrame的行是按时间顺序排列的，shift()是基于行的顺序进行偏移的，乱序的话会导致滞后特征完全错误。
• 是否保留原特征：如果不需要原始的t时刻特征，只需要滞后特征，把代码里的[df]换成空列表即可，最终会得到200*4=800列的纯滞后特征数据集。

内容的提问来源于stack exchange，提问作者swifty