将时间序列数据集转换为有监督学习数据集

Question

我有一个数据集，包含多个项目（例如用户）的时间序列（每天）。 数据简化如下： https://i.ibb.co/Pj4TnHW/trans-original.jpg（我无法发布图片，因为缺少代表点，抱歉）

对于每个用户，此数据集具有所有相同的属性（例如度量）。这些措施每天都在一个时间窗口内采取。每个用户都有自己的“事件日期”。你知道吗

我的目标是将这个时间序列（面向行）数据集转换成一个数据集，用于监督学习。 我想要的布局如下所示： https://i.ibb.co/8DxYpCy/Unbenannt.jpg

目前，我将我的解决方案应用于一个具有约60个度量值的数据集。 到目前为止，我通过在“userid”上使用迭代并应用多个步骤来实现这一点熊猫.融化(), 1.转置（）功能。 但这需要大量的预格式化，而且随着数据集的增大，速度会变慢。你知道吗

有没有更好的方法来实现我的转变？我读到了https://machinelearningmastery.com/convert-time-series-supervised-learning-problem-python/但这似乎是另一种类型的问题。。。你知道吗

//编辑#1：根据请求，我创建了尽可能小的notebook/python脚本，用一个简化的数据集来演示我在做什么：https://www.file-upload.net/download-13590592/timeseries_to_supervised.zip.html （Jupyter笔记本，导出的HTML版本，示例输入数据集）

Answer 1

我曾经用R做过类似的事情，它是一种设计得很好的用来处理行的语言（函数式编程）。你可以使用库datatable，它非常快。如果我可以问你想预测哪个专栏？注意不要根据现在或将来的数据预测结果，你只能使用过去：）