将时间序列向量的2D矩阵重整为序列（帧）的3D矩阵-重叠窗口

Question

我有一个51个时间序列矢量m样本的矩阵（形状：m 51）。我想训练两个自动编码器，一个使用CNN，另一个使用LSTM网络。我想将2D矩阵重塑为3D矩阵，以使其包含51个变量中的每个变量的m_new序列，并且每个序列的长度为[[w，且重叠的lap个样本。

我设法做到这一点，但没有重叠的部分。有有效的方法吗？

W = 20 #window size
m_new = int(np.floor(m/W))
m_trct = int(m_new*W)
X_raw_trct = X_raw[0:m_trct,:]
X = np.reshape(X_raw_trct,(m_new,W,X_raw_trct.shape[1]))

如下文所示，以
lap = w-1

的重叠生成序列。

**

更新

**关于Split Python sequence (time series/array) into subsequences with overlap中的答案，使用函数[[sub-sequences将一维数组拆分为w个长子序列，重叠范围为[[w-1（步长为1），从而形成一个形状为2D的二维数组（ m_new，w）。如代码2在下面，我必须使用循环将51个变量的每个向量作为1D数组工作，然后将2D数组的结果附加起来以生成最终的形状3D数组（m_new，w，51）。但是，循环需要很长时间才能执行。

**code 2**
def subsequences(ts, window):
## ts is of shape (m,)
    shape = (ts.size - window + 1, window)
    strides = ts.strides * 2
    return np.lib.stride_tricks.as_strided(ts, shape=shape, strides=strides)

# rescaledX_raw.shape is (m,51)
n = rescaledX_raw.shape[1]
# n = 51

a = rescaledX_raw[:,0]
# a.shape is (m,)

Xaa = subsequences(a,W)
X = ones(Xaa.shape)*-1
# X.shape is (m_new, W) 


for kk in range(n):
## a is of shape (m,)
    a = rescaledX_raw[:,kk]
    Xaa = subsequences(a,W)
    X = np.dstack((X, Xaa))



X_nn = np.delete(X, 0, axis=2)
# X_nn.shape is (m_new, W, 51)

此外，我尝试使用中的函数将其作为完整的2D形状数组（

m

乘以51）变为3D形状数组（

m_new，w

，51）。代码3

**code 3**
def rolling_window(a, window):
## a is of shape (51,m)
    shape = (a.shape[-1] - window + 1,window,a.shape[0])
    strides = a.strides + (a.strides[-1],)
    return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)

但是生成的3D矩阵不是正确的矩阵。请参考下面的演示。此外，如何将跨步添加为可以更改的变量。在以上脚本中，跨度为1（表示重叠为w-1）

Answer 1

class CustomGenFit(TimeseriesGenerator):
    def __getitem__(self, idx):
        x, y = super().__getitem__(idx)
        return x, x

Xsequences = CustomGenPredict(X, X, length=W, stride = s,sampling_rate=1, batch_size=m)