Python中基于Numpy数组的时间序列时间延迟嵌入实现问询

Got it，你要的是一种自定义规则的时间延迟嵌入，用Numpy来实现对吧？咱们先把需求掰扯清楚，再上代码：

需求拆解 #

先明确你说的规则细节：

• 窗口大小 w=4：每个嵌入向量包含4个元素
• 间隔 g=2 + 选取每第3个点：这里的“每第3个”本质是采样步长为3（间隔2个点跳过，取第1、4、7...这样的点）
• 滑动逻辑：每次把起始点平移1个位置，生成新的向量；直到从当前起始点开始，凑不够4个采样点时停止。

Numpy实现代码 #

首先假设你的原始时间序列是1维Numpy数组，比如我们用一个示例序列来测试：

import numpy as np

# 示例时间序列：长度为20的连续整数
ts = np.arange(20)  # 输出: [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]

然后写核心的嵌入函数：

def custom_delay_embedding(ts, window_size=4, sample_step=3):
    # 计算最大合法起始索引：确保最后一个采样点不超出序列范围
    max_start_idx = len(ts) - (window_size - 1) * sample_step
    if max_start_idx <= 0:
        return np.array([])  # 无法生成任何完整向量，返回空数组
    
    # 生成所有起始点的索引数组
    start_indices = np.arange(max_start_idx)
    # 通过广播生成每个嵌入向量的索引矩阵
    embedding_indices = start_indices[:, None] + sample_step * np.arange(window_size)
    # 从原始序列中提取对应元素，得到最终的嵌入矩阵
    embedding_matrix = ts[embedding_indices]
    
    return embedding_matrix

测试与输出 #

调用函数测试：

# 传入参数：窗口大小4，采样步长3（对应你的g=2）
result = custom_delay_embedding(ts, window_size=4, sample_step=3)
print(result)

输出结果是一个二维Numpy数组，每一行是一个符合规则的嵌入向量：

[[ 0  3  6  9]
 [ 1  4  7 10]
 [ 2  5  8 11]
 [ 3  6  9 12]
 [ 4  7 10 13]
 [ 5  8 11 14]
 [ 6  9 12 15]
 [ 7 10 13 16]
 [ 8 11 14 17]
 [ 9 12 15 18]
 [10 13 16 19]]

代码解释 #

• 起始索引计算：max_start_idx是核心逻辑，它保证从每个起始点出发，按步长采样后能凑够window_size个点。比如示例中len(ts)=20，(4-1)*3=9，所以max_start_idx=20-9=11，对应0到10共11个合法起始点。
• 广播机制：start_indices[:, None]把一维起始索引转成列向量，加上sample_step * np.arange(window_size)（即[0,3,6,9]），通过Numpy的广播特性自动生成索引矩阵，这比循环实现高效得多，尤其适合处理大时间序列。
• 边界处理：如果序列太短，连一个完整窗口都凑不出来，函数会返回空数组，避免索引越界错误。

灵活调整 #

如果你的“间隔g”定义和我理解的不同（比如g是两个采样点之间的元素个数，比如x0和x2之间间隔1个元素，g=1），只需要调整sample_step参数即可：sample_step = g + 1。

内容的提问来源于stack exchange，提问作者Avani Sharma