基于data.table优化风向时间序列滚动范围计算的高效方案问询

问题背景 #

处理多站点等间隔风向（1-360度）时间序列数据，作为质控流程的一环，需为每个观测值完成以下计算：

• 以该观测值为中心的指定时间窗口（如3分钟）内，任意两个观测值的风向角度最大差值（范围）
• 按站点单独执行计算

风向属于圆形数据，无法直接套用非圆形变量（如气温）的滚动窗口范围计算逻辑：

示例：vec <- c(1, 170, 300)，直接计算max(vec) - min(vec)得到299，但正确的最大角度差应为169

两两风向的正确差值可通过以下函数计算：

diff_x_y <- function(x, y) 180 - abs(abs(y - x) - 180)

当前方案及痛点 #

• 现有实现：按站点过滤数据，用outer函数生成所有观测值的两两差值矩阵，再遍历矩阵提取每个观测值对应窗口的最大值（循环+矩阵索引方式）
• 性能瓶颈：15个站点、36小时数据，计算1/10/60分钟窗口耗时约11.47秒，效率低下，无法适配未来实时自动化场景
• 无效尝试：通过生成lead/lag列计算当前值与偏移值的差值，再取行最大值，但滚动窗口会引入无关观测值，导致结果错误

需求 #

寻求基于data.table包的更高效实现方案。

内容的提问来源于stack exchange，提问作者Marvin