寻求R语言支持动态窗口大小的移动平均实现方案

当然可以实现动态窗口的移动平均！你提到的zoo::rollmean只支持固定窗口大小，那我们自己写一个适配动态窗口的函数就好，刚好匹配你要的左对齐需求。

实现思路 #

左对齐的动态窗口逻辑很明确：对于向量的第i个位置，取从i开始的dynamicRange[i]个元素计算均值；如果从i开始的元素数量不足dynamicRange[i]个（比如最后几个位置），就返回指定的填充值（默认NA）。

基础R实现 #

用基础R的sapply就能快速实现，不需要额外依赖：

foo <- function(x, window_sizes, fill = NA, align = "left") {
  # 仅支持左对齐，若需要其他对齐方式可以扩展
  if (align != "left") {
    stop("当前版本仅支持左对齐（align='left'）")
  }
  
  vec_length <- length(x)
  # 遍历每个位置计算对应窗口的均值
  sapply(seq_len(vec_length), function(i) {
    current_window <- window_sizes[i]
    window_end <- i + current_window - 1
    
    # 检查窗口是否超出向量范围
    if (window_end > vec_length) {
      fill
    } else {
      mean(x[i:window_end])
    }
  })
}

测试验证 #

用你给出的示例数据测试：

toSmoothed <- c(1,2,3,2,1,2,3,2)
dynamicRange <- c(1,2,1,2,1,2,1,2)

foo(toSmoothed, dynamicRange, fill = NA, align = "left")

运行结果完全符合你的预期：

[1] 1.0 2.5 3.0 1.5 1.0 2.5 3.0   NA

用purrr简化实现 #

如果你习惯用tidyverse工具链，用purrr::map2_dbl可以写出更简洁的代码：

library(purrr)

foo <- function(x, window_sizes, fill = NA, align = "left") {
  stopifnot(align == "left")
  
  map2_dbl(seq_along(x), window_sizes, ~{
    window_end <- .x + .y - 1
    if (window_end > length(x)) fill else mean(x[.x:window_end])
  })
}

性能说明 #

如果你的向量规模特别大（比如百万级以上），循环类的实现可能会有点慢，这时可以考虑用Rcpp写底层逻辑来提速；但对于绝大多数日常分析场景，上面的实现已经足够高效好用。

内容的提问来源于stack exchange，提问作者pepece