假设我有一个数据集（numpy数组）X，它包含N个时间序列样本，每个样本有T个时间步，每个时间步是一个D维向量，因此：

X.shape == (N,T,D)

现在我想将它重塑成x（数据集）和y（标签），以应用机器学习来预测时间序列中的步骤。

我想取每个样本的长度为n的子序列

x.shape==(N*(T-n),n,D) and y.shape==(N*(T-n)),D)

其中

X[k,j:j+n,:]

是x中的一个样本，而

X[k,j+n+1,:] 

是它在y中的标签。

使用for循环是唯一的方法吗？

回答：

所以我有以下方法，但它有一个for循环，我不确定是否有更好的方法：

    def reshape_data(self, X, n):    """    重塑包含N个时间序列样本的数据集，每个样本有T个时间步
    Args:
        data: 形状为(N,T,D)的时间序列数据
        n: int，用于预测x[t+1]的时间窗口长度
    Returns:
    """    N,T,D = X.shape    x = np.zeros((N*(T-n),n,D))    y = np.zeros((N*(T-n),D))    for i in range(T-n):        x[N*i:N*(i+1),:,:] = X[:,i:i+n,:]        y[N*i:N*(i+1),:] = X[:,i+n,:]    return x,y