如何以规定窗口大小、步长对14列数据进行滑动窗截取

在Pandas中，如果你想对14列数据按照规定的窗口大小和步长进行滑动窗口截取，可以使用`rolling`函数配合切片操作。假设你的DataFrame叫做`df`，每一列代表一个时间序列，窗口大小为`window_size`，步长为`step_size`，步骤如下：

import pandas as pd

# 假设df是一个包含14列的时间序列 DataFrame
window_size = 7  # 窗口大小，例如7天
step_size = 3   # 步长，例如每3天向前移动一次窗口

# 创建一个空的结果DataFrame来存储滑动窗口的结果
result = pd.DataFrame()

# 遍历每列数据并应用滚动窗口
for col_name in df.columns:
    rolling_col = df[col_name].rolling(window=window_size, min_periods=1)  # 设置最小周期防止缺失值影响
    for i in range(0, len(df), step_size):
        sliced_window = rolling_col[i:i+window_size]  # 截取窗口
        result[f"{col_name}_window_{i//step_size}"] = sliced_window.mean()  # 计算平均值，也可以选择其他聚合函数
        
# 结果DataFrame `result`现在包含了14列，每列对应原始列的一个滑动窗口结果

这段代码会按每3天的步长（可以根据需要调整步长），对每个14列的时间序列数据依次计算出窗口内的平均值。如果步长不为1，你也可以用`rolling(col_name, window=window_size)`直接得到每个滑动窗口的Series，再根据实际需求进一步处理。