按时间范围分组数组对象并保持原始顺序的高效实现-js教程-PHP中文网

按时间范围分组数组对象并保持原始顺序的高效实现

本文介绍如何基于 estimated_stay_time 字段对对象数组进行有序区间分组（每组内相邻项差值 ≤ extension_window），同时严格保留 detected_time 的原始顺序，避免回溯合并。

本文介绍如何基于 `estimated_stay_time` 字段对对象数组进行**有序区间分组**（每组内相邻项差值 ≤ `extension_window`），同时严格保留 `detected_time` 的原始顺序，避免回溯合并。

在实际业务场景中（如轨迹聚类、设备驻留时段分析、IoT 事件窗口聚合），我们常需将时间序列数据按“连续性”逻辑分组——但不是简单按数值取整分桶，而是要求：后一项若超出前一项允许的扩展范围（extension_window），则必须开启新组；且分组方向只能向前推进，不可回溯修正已分组项。这本质上是一种贪心式滑动窗口分组（Greedy Range Grouping）。

以下为完整、健壮的实现方案：

Javascript Sdk

用于 inference.sh 的 JavaScript/TypeScript SDK，可运行 AI 应用、构建代理、集成 150+ 模型。包名：@inferencesh/sdk（npm install），完整 TypeScript 支持。

下载

✅ 核心逻辑说明

遍历数组，对每一项计算其与前一项 estimated_stay_time 的差值（delta）
若为首项（i === 0）、或 delta extension_window（超出容忍范围），则新建分组
否则，将当前项追加至上一组（r.at(-1).push(o)）

✅ 可直接运行的代码示例

const data = [
  { detected_time: 1, estimated_stay_time: 300, extension_window: 100000 },
  { detected_time: 2, estimated_stay_time: 330000, extension_window: 100000 },
  { detected_time: 3, estimated_stay_time: 130000, extension_window: 100000 },
  { detected_time: 4, estimated_stay_time: 150000, extension_window: 100000 },
  { detected_time: 5, estimated_stay_time: 3000, extension_window: 100000 },
  { detected_time: 6, estimated_stay_time: 591988, extension_window: 100000 },
  { detected_time: 7, estimated_stay_time: 663913, extension_window: 100000 }
];

const result = data.reduce((groups, item, index, arr) => {
  // 计算与前一项的 estimated_stay_time 差值
  const prevEstimate = arr[index - 1]?.estimated_stay_time ?? 0;
  const delta = item.estimated_stay_time - prevEstimate;

  // 触发新组的三种情况：首项 / 时间倒退 / 超出窗口
  if (index === 0 || delta  item.extension_window) {
    groups.push([item]);
  } else {
    groups[groups.length - 1].push(item);
  }

  return groups;
}, []);

console.log(JSON.stringify(result, null, 2));