python - Pandas duplicate columns with a shift -

i have pandas time series object 3 series , time axis. want train neural network time window , reason need create matrix of duplicated pandas columns different shifts. pandas.concat manually, that'd take long time , won't flexible. i'm trying is:

# make 40 columns original dataframe first column , # make 20 columns original dataframe second column param_array = pandas.dataframe() in range(1, 41) :   param_array = pandas.concat([param_array, input[[0]].shift(i * 2)], axis=1, ignore_index=true)  in range(1, 21) :    param_array= pandas.concat([param_array, input[[1]].shift(i * 2)], axis=1, ignore_index=true) 

but appends time series @ end of first one, doesn't make new columns.

i suspect reference 'input[[0]]' not correct. example of trying own code below. new columns shifted values of original data:

import pandas pd  d = {'one': pd.series(range(20)),'two':pd.series(range(20)[::-1])} df = pd.dataframe(d)  print df  param_array = pd.dataframe() in range(1, 5) :   param_array = pd.concat([param_array, df['one'].shift(i * 2)], axis=1, ignore_index=true)  in range(1, 5) :   param_array = pd.concat([param_array, df['two'].shift(i * 2)], axis=1, ignore_index=true)  print param_array 

output:

   1  2 0     0   19 1     1   18 2     2   17 3     3   16 4     4   15 5     5   14 6     6   13 7     7   12 8     8   11 9     9   10 10   10    9 11   11    8 12   12    7 13   13    6 14   14    5 15   15    4 16   16    3 17   17    2 18   18    1 19   19    0      0   1   2   3   4   5   6   7 0  nan nan nan nan nan nan nan nan 1  nan nan nan nan nan nan nan nan 2    0 nan nan nan  19 nan nan nan 3    1 nan nan nan  18 nan nan nan 4    2   0 nan nan  17  19 nan nan 5    3   1 nan nan  16  18 nan nan 6    4   2   0 nan  15  17  19 nan 7    5   3   1 nan  14  16  18 nan 8    6   4   2   0  13  15  17  19 9    7   5   3   1  12  14  16  18 10   8   6   4   2  11  13  15  17 11   9   7   5   3  10  12  14  16 12  10   8   6   4   9  11  13  15 13  11   9   7   5   8  10  12  14 14  12  10   8   6   7   9  11  13 15  13  11   9   7   6   8  10  12 16  14  12  10   8   5   7   9  11 17  15  13  11   9   4   6   8  10 18  16  14  12  10   3   5   7   9 19  17  15  13  11   2   4   6   8