R语言中基于时间窗口的滚动中位数计算方法求助

Python Pandas 实现 #

先将日期时间列转换为时间类型并排序，再利用时间窗口滚动计算中位数：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'datetime': ['2020-06-15 10:30:00', '2020-06-15 10:31:00', '2020-06-15 10:25:00', '2020-06-15 10:35:00'],
    'value': [3, 1, 5, 2]
})

# 转换为datetime类型并排序
df['datetime'] = pd.to_datetime(df['datetime'])
df = df.sort_values('datetime')

# 以当前时间为中心，设置10分钟窗口（前后各5分钟）计算中位数
df['5min_window_median'] = df['value'].rolling(
    window='10min',
    center=True,
    on='datetime'
).median()

print(df)

• 关键参数说明：window='10min'指定窗口时长，center=True让窗口以当前时间点为中心，刚好覆盖x-5分钟到x+5分钟的范围；on='datetime'指定基于哪一列做时间窗口计算。
• 注意：如果数据集时间不连续，该方法依然能正确匹配时间范围内的所有记录。

SQL 实现 #

支持时间范围窗口的数据库（如PostgreSQL）

直接用窗口函数指定前后5分钟的范围：

SELECT
    datetime,
    value,
    -- 连续型中位数，若需离散型可替换为PERCENTILE_DISC(0.5)
    PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY value) OVER (
        ORDER BY datetime
        RANGE BETWEEN INTERVAL '5 minutes' PRECEDING AND INTERVAL '5 minutes' FOLLOWING
    ) AS 5min_window_median
FROM your_dataset
ORDER BY datetime;

不支持时间范围窗口的数据库（如MySQL）

使用自连接关联目标时间范围内的记录，再分组计算中位数：

SELECT
    t1.datetime,
    t1.value,
    PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY t2.value) AS 5min_window_median
FROM your_dataset t1
INNER JOIN your_dataset t2
    ON t2.datetime BETWEEN DATE_SUB(t1.datetime, INTERVAL 5 MINUTE) 
                       AND DATE_ADD(t1.datetime, INTERVAL 5 MINUTE)
GROUP BY t1.datetime, t1.value
ORDER BY t1.datetime;

注意事项 #

• 若存在重复时间点，两种方法都会自动包含所有对应记录；
• 大数据量场景下，数据库端计算通常比Pandas更高效；
• 不同工具对中位数的计算逻辑略有差异（连续/离散型），可根据业务需求选择对应函数。

内容的提问来源于stack exchange，提问作者RanaCol