Pyspark窗口函数按ID分组计算排除当前行的前3期均值实现方法咨询

安全阿岳

2026-9-25

解决方案

完全可以用标准SQL窗口函数实现，不需要写循环，主流支持窗口函数的数据库（MySQL8.0+、PostgreSQL、Spark SQL、Hive等）都兼容该写法。

核心实现逻辑

利用窗口的帧范围定义，直接限定取每个ID下、当前行之前的最多3条更早周期的数据计算均值，自动处理不足3条的边界场景。

代码示例

SELECT 
    ID,
    `金额($)`,
    TIME,
    -- 保留2位小数，可根据需求调整精度
    ROUND(AVG(`金额($)`) OVER (
        PARTITION BY ID 
        -- 按时间升序排序，确保取到的是更早的历史数据，不同数据库时间转换函数可对应调整
        ORDER BY STR_TO_DATE(TIME, '%d/%m/%Y') ASC 
        -- 窗口范围：当前行之前1行 到 当前行之前3行，排除当前行，最多取3条
        ROWS BETWEEN 3 PRECEDING AND 1 PRECEDING
    ), 2) AS `均值($)`
FROM 你的业务表名;

参数说明

PARTITION BY ID：按ID分组计算，不同ID的数据互不干扰
ORDER BY 转换后的时间 ASC：将每个ID的记录按时间从早到晚排序，保证窗口取到的是早于当前行的历史数据
ROWS BETWEEN 3 PRECEDING AND 1 PRECEDING：核心帧定义，自动适配边界：如果当前行之前不足3条数据，就按实际存在的条数计算均值，和你要求的场景完全匹配。