SQL中窗口函数
常用窗口函数
窗口函数主要分为了聚合、排序、分布、平移及首尾等类型
1) 聚合函数:sum()、count()、max()、min()、avg()
2) 排序函数:row_number()、rank()、dense_rank()
3) 分布函数:percent_rank()、cume_dist()
4) 平移函数:lead()、lag()
5) 首尾函数:first_val()、last_val()
窗口大小--over
rows frame_start or rows between frame_start and frame_end
python窗口
数值型数据，Pandas 提供了几种窗口函数，比如移动函数（rolling）、扩展函数（expanding）和指数加权函数（ewm）
ewm（全称 Exponentially Weighted Moving）表示指数加权移动
滑窗
滑动窗口计算，最容易想到的就是用两层for循环来实现
def sliding_window(data, window_size, step_size):
window_sequences = [data[i:i+window_size] for i in range(0, len(data)-window_size+1, step_size)]
result = [sum(sequence) for sequence in window_sequences]
return result
###滑窗的大小和滑动步长。滑窗大小表示滑窗子序列的长度，滑动步长表示滑动窗口每次移动的距离
def sliding_windows(timestamps,step,exclude=2):
cur_idx = 0
while(cur_idx < len(timestamps)):
target_ts = timestamps[cur_idx]
selected = range(max(0, cur_idx), min(cur_idx + step, len(timestamps)))
cur_idx += step
timestamps_window = [timestamps[s] for s in selected]
if len(timestamps_window) < exclude:
print(f" timestamps_window len = {len(timestamps_window)}")
break
###滑窗内操作
for i, ts in enumerate(timestamps_window):
sensor= os.path.join(root_path, ts+r"."+"json")
calib = json.load(open(sensor, 'r'))
点云下采样
random_down_sample(pcd, sampling_ratio):
从输入点云pcd中选择n*sampling_ratio随机点。它可以用于数据增强，因为每次都选择不同的点。但是，它对噪声很敏感。
uniform_down_sample(every_k_points):
根据点的顺序统一选择点。它每隔every_k_points选择一个点。第一个点(索引为0)总是被选中。
因此，所选点的索引为:0,every_k_points, 2 *every_k_points等。
如果输入点云是有组织的，则该函数返回一个均匀的点云;否则，它与第一种方法类似，只是每次都会生成相同的输出。
voxel_down_sample(voxel_size):
创建3D体素网格
Moving Window
滑窗(Moving Window)算法
跳窗(Jumping Window)算法 漏桶算法(Leaky Bucket)
选择性搜索(Selective Search)
参考
Python滑窗实现教程 https://blog.51cto.com/u_16175490/7383370
数据统计—滑动窗口 https://book.itheima.net/course/221/1270308811000782849/1271374094515838977
Python滑动窗口用法介绍 https://www.python100.com/html/Q02B5K8M1E3R.html