我有一个时间序列（每天）的数据集，用于多个项目（例如用户）。 数据看起来像这样简化： https://i.ibb.co/Pj4TnHW/trans-original.jpg（由于缺少代表点，我无法发布图片，抱歉）
此数据集为每个用户具有所有相同的属性（例如度量）。这些措施是在每天的时间范围内采取的。每个用户都有自己的“活动日期”。
我的目标是将此时间序列（面向行）数据集转换为数据集，该数据集可用于监督学习。 我想要的布局看起来像这样： https://i.ibb.co/8DxYpCy/Unbenannt.jpg
目前，我将解决方案应用于具有约60个度量的数据集。 到目前为止，我通过在“ user_id”上进行迭代并使用pandas.melt（），pandas.transpose（）函数应用了多个步骤来实现了这一目标。 但这需要大量的预格式化，并且在使用较大的数据集时会变慢。
有没有更好的方法来进行转换？我读到有关https://machinelearningmastery.com/convert-time-series-supervised-learning-problem-python/的信息，但这似乎是另一种问题...
// EDIT＃1：根据要求，我创建了最小的笔记本/ python脚本，并使用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 Notebook，导出的HTML版本，示例输入数据集）
