嘿，这需求我熟！本质就是给小列表里的每个时间戳，在大列表里找到对应位置，然后取该位置前后x个速度值的平均值，核心要注意边界情况（比如第一个元素前面没x个值，最后一个后面没x个值）。我给你一步步拆解，再附上Python代码示例，直接就能用～

核心思路 #

1. 快速定位匹配位置：把大列表的时间戳和它的索引做个映射，这样不用每次都遍历大列表找位置，效率更高。
2. 处理边界异常：当匹配位置太靠前（索引小于x），就从列表开头开始取；太靠后（索引+x超过列表长度），就取到列表末尾。
3. 计算窗口均值：对每个匹配位置对应的速度窗口切片，求平均值即可。

代码示例（Python） #

先拿你给的示例数据来演示，x我先设为1（前后各1个值，总共3个值计算均值），你可以根据需求随便改x的大小：

# 你的示例数据
t1 = [2, 5, 7]
v1 = [0.5, 1, 0.7]
t2 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
v2 = [0.1, 0.5, 1, 1.3, 1.4, 1.8, 0.9, 2, 1.5, 1.2]
x = 1  # 可调整：前后各取x个元素

然后是处理逻辑：

# 1. 建立时间戳到索引的映射，O(n)时间复杂度，后续查找都是O(1)
time_to_index = {time: idx for idx, time in enumerate(t2)}

# 2. 遍历小列表的每个时间戳，计算对应窗口的均值
mean_results = []
for target_time in t1:
    # 先检查小列表的时间戳是否存在于大列表中
    if target_time not in time_to_index:
        # 这里可以根据需求调整：比如跳过、抛异常、设为None
        mean_results.append(None)
        continue
    
    # 获取匹配时间戳在大列表中的索引
    target_idx = time_to_index[target_time]
    
    # 确定窗口的起始和结束索引（处理边界）
    window_start = max(0, target_idx - x)
    # 切片是左闭右开，所以结束索引要+1才能包含target_idx+x的元素
    window_end = min(len(v2), target_idx + x + 1)
    
    # 提取窗口内的速度值并计算均值
    window_values = v2[window_start:window_end]
    mean_val = sum(window_values) / len(window_values)
    mean_results.append(mean_val)

# 输出结果
print(mean_results)

运行结果（x=1时） #

输出：[0.5333333333333333, 1.5, 1.5666666666666667]

• 时间戳2对应索引1，窗口是v2[0:3] → [0.1, 0.5, 1]，均值≈0.533
• 时间戳5对应索引4，窗口是v2[3:6] → [1.3, 1.4, 1.8]，均值=1.5
• 时间戳7对应索引6，窗口是v2[5:8] → [1.8, 0.9, 2]，均值≈1.567

额外注意点 #

• 重复时间戳处理：如果大列表里有重复的时间戳，上面的字典映射只会保留最后一个索引。如果需要处理所有匹配的索引，你可以把映射改成{time: [idx1, idx2,...]}的形式，再遍历每个索引计算均值。
• 缺失时间戳处理：代码里对大列表不存在的时间戳返回了None，你可以改成跳过该元素，或者抛出ValueError提示，完全看你的业务需求。
• 效率优化：如果数据量特别大，用numpy的切片和均值计算会更快，比如np.mean(v2[window_start:window_end])，适合处理百万级别的数据。

内容的提问来源于stack exchange，提问作者seminonchilly