因此，据我所知，您希望创建长度为ndays的窗口，下一个窗口应该从第二天开始。
给定某个 Dataframe ，共5天，索引之间的频率为1H：

import pandas as pd
import numpy as np

periods = 23 * 5
df = pd.DataFrame(
    {'value': list(range(periods))},
    index=pd.date_range('2022-12-16', periods=periods, freq='H')
)
d = np.random.choice(
    pd.date_range('2022-12-16', periods=periods, freq='H'),
    int(periods * 0.25)
)
df = df.drop(index=d)
df.head(5)          
>>>                  value
2022-12-16 00:00:00      0
2022-12-16 01:00:00      1
2022-12-16 02:00:00      2
2022-12-16 04:00:00      4
2022-12-16 05:00:00      5

我随机删除了一些索引来模拟缺失数据，我们可以使用df.resample（docs）来按天对数据进行分组（不考虑缺失数据）：

days = df.resample('1d')
print(days.get_group('2022-12-16'))
>>>                  value
2022-12-16 00:00:00      0
2022-12-16 01:00:00      1
2022-12-16 02:00:00      2
2022-12-16 04:00:00      4
2022-12-16 05:00:00      5
2022-12-16 06:00:00      6
2022-12-16 07:00:00      7
2022-12-16 08:00:00      8
2022-12-16 09:00:00      9
2022-12-16 11:00:00     11
2022-12-16 12:00:00     12
2022-12-16 13:00:00     13
2022-12-16 14:00:00     14
2022-12-16 15:00:00     15
2022-12-16 17:00:00     17
2022-12-16 18:00:00     18
2022-12-16 19:00:00     19
2022-12-16 21:00:00     21
2022-12-16 22:00:00     22
2022-12-16 23:00:00     23

现在，我们只需要以“滑动”的方式迭代这些天，包more-itertools有一些有用的函数，比如windowed，我们可以很容易地控制窗口的大小（这里使用ndays）：

from more_itertools import windowed
ndays = 2
windows = [
    pd.concat([w[1] for w in window])
    for window in windowed(days, ndays)
]

打印每个窗口的第一个和最后一个索引将返回：

for window in windows:
    print(window.iloc[[0, -1]])

>>>                  value
2022-12-16 00:00:00      0
2022-12-17 23:00:00     47
                     value
2022-12-17 00:00:00     24
2022-12-18 23:00:00     71
                     value
2022-12-18 00:00:00     48
2022-12-19 23:00:00     95
                     value
2022-12-19 01:00:00     73
2022-12-20 18:00:00    114

此外，您可以在windowed中设置step，以控制窗口之间的步长。