滑动窗口数据流统计：索引重置引发数据突变问题求助

核心问题 #

你的代码存在两个关键逻辑错误，直接导致索引重置时数据突变：

• 滑动窗口统计逻辑完全错误：当前代码的均值、方差计算依赖全局累加的index，而非固定大小的滑动窗口。当index重置为0时，统计量没有基于当前窗口内的1000个样本重新计算，而是直接沿用旧值，引发数据跳变。
• 索引重置后的处理缺失：index重置为0时，else分支为空，此时differential保持0，newMean等于旧均值，完全忽略了当前窗口内的所有样本，统计量自然异常。

另外，index < 3*wnd_sz的重置逻辑毫无必要，滑动窗口只需要循环覆盖最旧样本即可，不需要等到3倍窗口大小才重置。

修正后的实现思路 #

正确的滑动窗口增量统计需维护以下核心变量：

• 窗口数组：存储当前窗口内的所有样本
• 当前窗口样本数（不满窗口大小时为实际数量，满后固定为窗口大小）
• 窗口内样本的总和与平方和，用于快速计算均值和方差

新增样本时的逻辑：

1. 用新样本覆盖窗口中最旧的位置（循环索引实现）
2. 窗口未满时，直接累加总和、平方和；窗口已满时，用新样本替换旧样本的贡献（总和=总和-旧样本+新样本，平方和=平方和-旧样本²+新样本²）
3. 基于总和与平方和计算均值、方差等统计量

修正后的代码 #

#include <math.h>
#include <stdint.h>

#define WND_SZ 1000

typedef struct {
    double arr[WND_SZ];
    double mean;
    double variance;
    double std_dev;
    double max;
    double min;
    double sum;          // 窗口内样本总和
    double sum_squares;  // 窗口内样本平方和
    uint32_t count;      // 当前窗口内样本数量
    uint32_t index;      // 当前要覆盖的数组索引（循环使用）
} stat_s;

void stats(double in, stat_s *out) {
    // 保存旧样本，窗口满时需要减去它的贡献
    double old_sample = out->arr[out->index];

    // 用新样本覆盖旧位置
    out->arr[out->index] = in;

    if (out->count < WND_SZ) {
        // 窗口未满，累加总和与平方和
        out->sum += in;
        out->sum_squares += in * in;
        out->count++;
    } else {
        // 窗口已满，替换旧样本的贡献
        out->sum = out->sum - old_sample + in;
        out->sum_squares = out->sum_squares - old_sample * old_sample + in * in;
    }

    // 计算均值
    out->mean = out->sum / out->count;

    // 计算方差（无偏估计，除以count-1；若需有偏估计则除以count）
    if (out->count > 1) {
        out->variance = (out->sum_squares - (out->sum * out->sum) / out->count) / (out->count - 1);
    } else {
        out->variance = 0.0;
    }

    // 计算标准差、最大值、最小值
    out->std_dev = sqrt(out->variance);
    // 注意：原代码用均值±标准差作为max/min的逻辑有误，这是统计置信区间而非实际极值
    // 若需要实际极值，需额外维护current_max/current_min变量，或在旧样本为极值时遍历窗口更新
    out->max = out->mean + out->std_dev;
    out->min = out->mean - out->std_dev;

    // 更新循环索引，下次覆盖下一个位置
    out->index = (out->index + 1) % WND_SZ;
}

额外说明 #

1. 修正后的代码将索引和统计状态都存入stat_s结构体，支持多实例统计，更健壮。
2. 统计量完全基于当前窗口内的样本，不会出现索引重置时的突变问题。
3. 原代码中mean ± std_dev作为max/min的逻辑不符合实际极值需求，若需实际极值，可额外维护极值变量优化计算。

内容的提问来源于stack exchange，提问作者Adam