提取 numpy 数组的滞后特征（+ 扩展维度）|用 stride=1 重塑 numpy 数组

Question

我有一个形状为 (#timestamp,#features) 的时间序列数据数组。我想提取每一行 (timestamp) n_lags （前几行）并重塑数组，使我的形状为 (#samples, #lags+now,#features) Keras 的 LSTM 层的输入。

考虑这个玩具示例：

import numpy as np
n_rows = 6
n_feat= 3
n_lag = 2

a = np.array(range(n_rows*n_feat)).reshape(n_rows, n_feat)

>>> a.shape = (6, 3)
>>> a = array([[ 0,  1,  2],
           [ 3,  4,  5],
           [ 6,  7,  8],
           [ 9, 10, 11],
           [12, 13, 14],
           [15, 16, 17]])

通过遍历行，我实现了预期输出:

b = np.empty(shape=(0, (n_lag + 1), n_feat))
for idx, row in enumerate(a):
   temp = np.expand_dims(a[max(0, idx-n_lag):idx+1, :], 0)
   if temp.shape[1:] == b.shape[1:]:
       b = np.append(b, temp, axis=0)


>>> b.shape = (4, 3, 3)
>>> b = array([[[ 0.,  1.,  2.],
            [ 3.,  4.,  5.],
            [ 6.,  7.,  8.]],

           [[ 3.,  4.,  5.],
            [ 6.,  7.,  8.],
            [ 9., 10., 11.]],

           [[ 6.,  7.,  8.],
            [ 9., 10., 11.],
            [12., 13., 14.]],

           [[ 9., 10., 11.],
            [12., 13., 14.],
            [15., 16., 17.]]])

注意：前n_lags-1行没有足够的数据，将在最终输出中被丢弃

问题： 我想知道是否有比遍历行更优雅/更好的方法。

Answer 1

您可以为此使用新的 np.lib.stride_tricks.sliding_window_view

n_rows = 6
n_feat= 3
n_lag = 2

a = np.array(range(n_rows*n_feat)).reshape(n_rows, n_feat)

b = np.lib.stride_tricks.sliding_window_view(a, window_shape=(n_feat, n_feat))
b

输出：

array([[[[ 0,  1,  2],
         [ 3,  4,  5],
         [ 6,  7,  8]]],


       [[[ 3,  4,  5],
         [ 6,  7,  8],
         [ 9, 10, 11]]],


       [[[ 6,  7,  8],
         [ 9, 10, 11],
         [12, 13, 14]]],


       [[[ 9, 10, 11],
         [12, 13, 14],
         [15, 16, 17]]]])

b 只会改变 a 的形状和步幅，因此它会多次包含 a 的相同内存位置。换句话说，不需要分配新的数组。

提取 numpy 数组的滞后特征（+ 扩展维度）|用 stride=1 重塑 numpy 数组

extracting lag features of numpy array (+ expand dimension) | reshape numpy array with stride=1

numpy

time-series

lag