最稳妥做法是用std::vector配合滑动窗口，避免裸数组和手动内存管理；输出长度应明确为n−2k（中心对齐丢弃两端）或补零/镜像处理边界；索引运算需防越界，推荐有符号类型加范围检查。
直接用 std::vector 配合滑动窗口循环实现最稳妥，别碰裸数组指针和手动内存管理——容易越界且无法自动处理边界。
为什么不能直接用 for 循环从头算到尾？
移动平均的核心是“每个输出点依赖邻近多个输入点”，但首尾若干点没有完整邻域。常见错误是硬写 for (int i = 0; i 然后对 <code>i-k 到 i+k 求和，结果在 i 或 <code>i >= n-k 时访问越界。
- 正确做法：输出长度必须明确——通常取
n - 2*k（中心对齐，丢弃两端）或保持原长（边界补零/镜像/截断） - 更安全的选择是先定义输出容器大小，再逐点计算，不依赖隐式索引推导
- 别用
int当索引去减k，改用有符号类型或加范围检查
如何写一个带边界处理的 moving_average 函数？
推荐用 std::vector<double></double> 输入输出，参数控制窗口半宽 k 和填充策略。下面是最简可用版本（中心对齐，丢弃不完整窗口）：
std::vector<double> moving_average(const std::vector<double>& x, int k) {
if (k y(x.size() - 2*k);
for (size_t i = k; i <ul>
<li>输入 <code>x</code> 是原始数据，<code>k</code> 是半窗宽（总宽为 <code>2*k+1</code>）</li>
<li>输出 <code>y</code> 长度比输入少 <code>2*k</code>，对应有效中心点</li>
<li>内层循环用 <code>int j</code> 避免无符号整数下溢（<code>size_t</code> 减负数会绕回极大值）</li>
</ul>
<h3>想保持输出长度和输入一致怎么办？</h3>
<p>必须显式决定边界怎么填。三种常见策略对应不同行为：</p><div class="aritcle_card flexRow artxards">
<div class="artcardd flexRow">
<a class="aritcle_card_img" rel="nofollow" href="/xiazai/gongju/2823" title="C++14"><img
src="https://img.php.cn/upload/manual/001/431/639/6ac8b33c327c4749.png" alt="C++14" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a rel="nofollow" href="/xiazai/gongju/2823" title="C++14" class="overflowclass">C++14</a>
<p class="overflowclass">C++14 对 C++11 的修正与增强版本，适合旧系统维护和较老工具链兼容。</p>
</div>
<a rel="nofollow" href="/xiazai/gongju/2823" title="C++14" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
</a>
</div>
</div>
<ul>
<li>
<strong>补零（zero-padding）</strong>：在 <code>x</code> 前后各加 <code>k</code> 个 <code>0.0</code>，再调用上面函数，最后取前 <code>x.size()</code> 项</li>
<li>
<strong>镜像延拓（reflect padding）</strong>：用 <code>x[0]..x[k-1]</code> 反向补前面，<code>x[n-k]..x[n-1]</code> 反向补后面——避免突变，适合信号处理</li>
<li>
<strong>截断求均（clipped average）</strong>：对每个 <code>i</code>，只累加 <code>max(0, i-k)</code> 到 <code>min(n-1, i+k)</code> 范围内的值，再除以实际个数——最保守，但首尾响应变弱</li>
</ul>
<p>注意：补零会引入低频偏差；镜像需额外构造临时向量；截断版要改内层循环逻辑，不能直接复用上面代码。</p>
<h3>性能和精度要注意什么？</h3>
<p>窗口大时，朴素二重循环（O(nk)）会慢。可改用一维滑动加法（O(n)），但要注意浮点误差累积：</p>
<ul>
<li>初始化第一个窗口和，后续每次减去移出值、加上移入值</li>
<li>别用 <code>float</code> 存累积和，尤其数据量大或动态范围宽时，优先用 <code>double</code>
</li>
<li>如果输入是整型（如 <code>std::vector<int></int></code>），除法前务必转 <code>double</code>，否则整除截断</li>
<li>编译器不一定自动向量化嵌套循环，如需极致性能，考虑用 <code>std::valarray</code> 或 Eigen</li>
</ul>
<p>边界处理永远比核心计算更易出错，哪怕只是多写两行判断，也比靠注释“这里应该没问题”强。</p></double></double>C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
