Question

我想通过时间戳执行移动平均线。我有两列：温度和时间戳（时间 - 日期），我想基于每15分钟的连续温度观察来执行移动平均。换句话说，选择数据以基于15分钟时间间隔执行平均。而且，对于不同的时间序列，可以具有不同数量的观察。我的意思是所有窗口大小相等（15分钟），但每个窗口可能有不同的观察数量。例如：对于第一个窗口，我们必须计算n个观测值的平均值，对于第二个窗口，计算n + 5观测值的平均值。

数据样本：

ID   Timestamps          Temperature
1    2007-09-14 22:56:12 5.39
2    2007-09-14 22:58:12 5.34
3    2007-09-14 23:00:12 5.16
4    2007-09-14 23:02:12 5.54
5    2007-09-14 23:04:12 5.30
6    2007-09-14 23:06:12 5.20
7    2007-09-14 23:10:12 5.39
8    2007-09-14 23:12:12 5.34
9    2007-09-14 23:20:12 5.16
10   2007-09-14 23:24:12 5.54
11   2007-09-14 23:30:12 5.30
12   2007-09-14 23:33:12 5.20
13   2007-09-14 23:40:12 5.39
14   2007-09-14 23:42:12 5.34
15   2007-09-14 23:44:12 5.16
16   2007-09-14 23:50:12 5.54
17   2007-09-14 23:52:12 5.30
18   2007-09-14 23:57:12 5.20

主要挑战：

如果由于采样频率不同而没有确切的15分钟时间间隔，我如何能够学习每15分钟识别一次的代码。

Answer 1

你可以自己加入你的桌子：

select l1.id, avg( l2.Temperature )
from l l1
inner join l l2 
   on l2.id <= l1.id and
      l2.Timestamps + interval '15 minutes' > l1.Timestamps
group by l1.id
order by id
;

Results：

| ID |            AVG |
-----------------------
|  1 |           5.39 |
|  2 |          5.365 |
|  3 | 5.296666666667 |
|  4 |         5.3575 |
|  5 |          5.346 |
|  6 | 5.321666666667 |
|  7 | 5.331428571429 |

注意：只做“努力工作”。您应该将结果与原始表连接或附加新列以进行查询。我不知道你需要的最终查询。调整此解决方案或寻求更多帮助。

Answer 2

假设您想在每15分钟间隔后重新开始滚动平均值：

select id, 
       temp,
       avg(temp) over (partition by group_nr order by time_read) as rolling_avg
from (       
  select id, 
         temp,
         time_read, 
         interval_group,
         id - row_number() over (partition by interval_group order by time_read) as group_nr
  from (
    select id, 
           time_read, 
           'epoch'::timestamp + '900 seconds'::interval * (extract(epoch from time_read)::int4 / 900) as interval_group,
           temp
    from readings
  ) t1
) t2
order by time_read;

它基于Depesz's solution按“时间范围”分组：

这是一个SQLFiddle示例：http://sqlfiddle.com/#!1/0f3f0/2

Answer 3

这是一种利用工具将聚合函数用作窗口函数的方法。聚合函数将最后15分钟的观察值与当前的运行总量保持在一个数组中。状态转换功能将元素从落后于15分钟窗口的阵列移开，并推动最新观察。最终函数只是计算数组中的平均温度。

现在，关于这是否有益......这取决于。它侧重于postgresql的plgpsql-execution部分，而不是数据库访问部分，我自己的经验是plpgsql不快。如果您可以轻松地回到表中查找每个观察的前15分钟行，那么自联接（如@danihp答案）将会很好。但是，这种方法可以处理来自某些更复杂来源的观察，其中这些查找不实用。与以往一样，在您自己的系统上进行试验和比较。

-- based on using this table definition
create table observation(id int primary key, timestamps timestamp not null unique,
                         temperature numeric(5,2) not null);

-- note that I'm reusing the table structure as a type for the state here
create type rollavg_state as (memory observation[], total numeric(5,2));

create function rollavg_func(state rollavg_state, next_in observation) returns rollavg_state immutable language plpgsql as $$
declare
  cutoff timestamp;
  i int;
  updated_memory observation[];
begin
  raise debug 'rollavg_func: state=%, next_in=%', state, next_in;
  cutoff := next_in.timestamps - '15 minutes'::interval;
  i := array_lower(state.memory, 1);
  raise debug 'cutoff is %', cutoff;
  while i <= array_upper(state.memory, 1) and state.memory[i].timestamps < cutoff loop
    raise debug 'shifting %', state.memory[i].timestamps;
    i := i + 1;
    state.total := state.total - state.memory[i].temperature;
  end loop;
  state.memory := array_append(state.memory[i:array_upper(state.memory, 1)], next_in);
  state.total := coalesce(state.total, 0) + next_in.temperature;
  return state;
end
$$;

create function rollavg_output(state rollavg_state) returns float8 immutable language plpgsql as $$
begin
  raise debug 'rollavg_output: state=% len=%', state, array_length(state.memory, 1);
  if array_length(state.memory, 1) > 0 then
    return state.total / array_length(state.memory, 1);
  else
    return null;
  end if;
end
$$;

create aggregate rollavg(observation) (sfunc = rollavg_func, finalfunc = rollavg_output, stype = rollavg_state);

-- referring to just a table name means a tuple value of the row as a whole, whose type is the table type
-- the aggregate relies on inputs arriving in ascending timestamp order
select rollavg(observation) over (order by timestamps) from observation;

移动平均值基于PostgreSQL中的时间戳

3 个答案: