基于PostgreSQL中时间戳的移动平均值

我想通过时间戳执行移动平均值。我有两列：温度和时间戳（时间日期），我想基于每15分钟连续的温度观测执行移动平均值。换句话说，选择数据来执行基于15分钟时间间隔的平均值。而且，对于不同的时间序列可能具有不同数量的观察值。我的意思是所有的窗口大小都是相等的（15分钟），但每个窗口中可能有不同数量的观察值。例如：对于第一个窗口，我们必须计算n个观测值的平均值，第二个窗口计算n + 5个观测值的平均值。基于PostgreSQL中时间戳的移动平均值

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：

如何学习的代码来区分每15分钟虽然有可能不准确，因为不同的采样频率时间15分钟一班。

来源

2012-12-11 A.Amidi

如果新的15分钟窗口启动，滚动平均值是否会“重新启动”？还是应该平均计算“最后”15分钟？ –

@a_horse_with_no_name，实际上，数据集包含4周的历史数据，我需要移动平均结果作为新的数据集。 –

这不能回答我的问题。 –

假设要每次15分钟间隔后，重新启动滚动平均值：

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;

它是由“时间范围”的基础上Depesz's solution到组：

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

来源

2012-12-11 12:32:45

你可以用自己加入你的表：

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：只有 '拼搏' 而成。您应该将结果与原始表结合或追加新列以进行查询。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。

来源

2012-12-11 11:00:25 danihp

下面是一个利用设施将聚合函数用作窗口函数的方法。聚合函数会保留数组中最后15分钟的观察值以及当前的运行总数。状态转换功能将元素从阵列中移出，落在15分钟的窗口后面，并推动最近的观察。最终的功能只是计算阵列中的平均温度。

现在，至于这是否是一种好处......取决于。它侧重于postgresql的plgpsql执行部分，而不是数据库访问部分，而我自己的经验是plpgsql不快。如果您可以轻松查找表格以查找每个观察结果的前15分钟行，则自行加入（如在@danihp答案中）将会很好。然而，这种方法可以处理来自更复杂的来源的观察结果，其中这些查找是不实际的。像以往一样，试用并在自己的系统上进行比较。

-- 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;

来源

2012-12-11 12:28:24 araqnid

基于PostgreSQL中时间戳的移动平均值

回答

相关问题