本文介绍如何在 javaScript 中对多个长度不一、但共享时间戳的时间序列数组进行高效聚合，按统一时间点对所有可用数值求平均，并输出标准 [timestamp, avgValue] 格式结果，全程无需依赖 Lodash 等外部库。
本文介绍如何在 javascript 中对多个长度不一、但共享时间戳的时间序列数组进行高效聚合，按统一时间点对所有可用数值求平均，并输出标准 `[timestamp, avgvalue]` 格式结果，全程无需依赖 lodash 等外部库。
在时序数据分析场景中（如传感器数据融合、多源指标对齐），常遇到多个时间序列数组长度不同——这是因部分时间点数据缺失所致。核心需求是：以时间戳为键，聚合所有数组中该时刻的有效观测值，并计算算术平均值。关键在于避免循环嵌套与重复遍历，兼顾可读性与性能。
以下是一个简洁、现代、无依赖的实现方案：
const Array1 = [[1, 100], [2, 200], [3, 300], [4, 400]]; const array2 = [[1, 150], [3, 350], [4, 450]]; const array3 = [[1, 250], [2, 350], [4, 450]]; const allArrays = [array1, array2, array3]; // 步骤 1：扁平化 + 按时间戳分组（使用 reduce + nullish coalescing assignment） const groupedByTime = allArrays .flat() // 替代 [...array1, ...array2, ...array3]，更简洁且支持任意数量数组 .reduce((acc, [time, value]) => { (acc[time] ??= []).push(value); return acc; }, {}); // 步骤 2：转换为最终格式：[timestamp, avgValue.toFixed(1)] const averagedResult = Object.entries(groupedByTime) .map(([timeStr, values]) => { const avg = values.reduce((sum, v) => sum + v, 0) / values.length; return [Number(timeStr), parseFloat(avg.toFixed(1))]; // toFixed 返回字符串，parseFloat 转回数字更稳妥 }) .sort((a, b) => a[0] - b[0]); // 可选：确保按时间升序排列 console.log(averagedResult); // 输出：[[1, 166.7], [2, 275], [3, 325], [4, 433.3]]✅ 关键设计说明：
- Array.prototype.flat() 替代手动展开，天然支持任意数量输入数组，语义清晰；
- ??=（空值合并赋值）确保首次访问某时间戳时自动初始化为空数组，避免 undefined.push() 错误；
- Object.entries() 将分组对象转为 [key, value] 数组，便于映射处理；
- parseFloat(avg.toFixed(1)) 在保留一位小数的同时维持数值类型（而非字符串），利于后续计算或序列化；
- 最后 .sort() 保证输出严格按时间戳升序，符合时间序列惯例（原始输入时间戳已有序，但健壮性建议显式排序）。
⚠️ 注意事项：
立即学习“Java免费学习笔记（深入）”；
- 时间戳应为合法数字（如 unix 秒/毫秒）。若含字符串时间（如 “2024-01-01″），需先统一解析为数字（例如用 date.parse() 或 new Date().getTime()）；
- 若存在极端稀疏数据（如某时间戳仅一个值），平均逻辑仍正确；若完全无数据，则该时间戳不会出现在结果中；
- 对于超大规模数据（>10⁵ 点），可考虑使用 Map 替代普通对象提升键查找性能（Map 对数字/字符串键均有优化）；
- 如需加权平均、中位数或忽略异常值，可在 values 数组上扩展预处理逻辑（如 values.Filter(isValid)）。
该方法兼具函数式编程的表达力与生产环境所需的健壮性，是处理异构时间序列对齐任务的推荐实践。