Reactive programming 如何在RxJava中计算移动平均

在金融领域，我们通常需要从时间序列数据流中计算移动窗口聚合值，以移动平均为例，假设我们有以下数据流（T为时间戳，V为实际值）：

要根据我们得到的数据流计算移动平均值3：

avg([T0,V0],[T1,V1],[T2,V2]),
avg([T1,V1],[T2,V2],[T3,V3]),
avg([T2,V2],[T3,V3],[T4,V4]),
avg([T3,V3],[T4,V4],[T5,V5]),
avg([T4,V4],[T5,V5],[T6,V6]),...

要计算移动平均线，我们似乎可以通过以下方式进行计算：

从原始流构建一个可观察的

通过将值聚合到组中，从原始流中构建一个可观察值

使用聚合运算符计算步骤2中可观察到的最终结果

第1步和第3步实现起来很简单，但是，对于第2步来说，当前的RxJava似乎没有生成移动窗口组的内置操作符，窗口/groupBy操作符似乎不适合这种情况，我也没有找到一种简单的方法来从现有的操作符组成一个解决方案，有人能建议如何“优雅地”在RxJava中实现这一点吗时尚

RxJava版本：0.15.1

import java.util.List；
进口接收。可观察；
导入rx.util.functions.Action1；
类条{
公共静态void main（字符串args[]）{
整数arr[]={1,2,3,4,5,6}；//N=6
可观测oi=可观测自（arr）；
//1.-捆3，跳过1
oi.缓冲区（3，1）
/**                                                                     
*2.-只取前X捆
*当bundle 3时，X=N-2=>4
*当bundle 4时，X=N-3=>3
*当束a时，X=N-（a-1）
*/                                                                     
.take（4）
//3.计算平均值
.subscribe（新操作1（）{
@凌驾
公共作废调用（列表lst）{
整数和=0；
对于（inti=0；i”+sum/lst.size（））；
}                                                                   
});                                                                     
}                                                                           
}  

样本输出：

MA（3）[1,2,3]=>2

MA（3）[2,3,4]=>3

MA（3）[3,4,5]=>4

MA（3）[4,5,6]=>5

我会这样做：

公共静态可观测移动平均值（可观测o，int N）{
返回o.窗口（N，1）.平面图(
新功能1（）{
公共可观察呼叫（可观察窗口）{
返回可观察。平均双倍（窗口）；
}
}
);
}

• 我使用的是

  窗口

  （它发出可观察数据，只消耗恒定的内存量），而不是

  缓冲区

  （它发出列表，为每个项目消耗内存）
• 这是一个例子，说明如何使用组合运算符而不是编写自己的循环，这是使用可见项时应该考虑的事情。

更新：如果要过滤掉流末尾元素少于

n

的窗口，可以这样做：

def移动平均值（o:Observable[Double]，n:Int）：Observable[Double]={
类状态（值和：双精度，值n:Int）
o、 窗口（n，1）.flatMap（win=>
win.foldLeft（新状态（0.0,0））（（s，e）=>新状态（s.sum+e，s.n+1））
.filter（s=>s.n==n）
.map（s=>s.sum/s.n））
}

---

（我选择Scala是因为它写起来比较短，但在Java中，你也可以这么做，只需注意Scala的

foldLeft

在Java中被称为

reduce

。

谢谢你的回答，在这个例子中，我在缓冲区解决方案中提出了一个后续问题，因为它将值聚合到一个列表中，然后我们可以根据列表的大小进行筛选（假设我们只希望chunks大小为3，并且源代码只包含5个值，那么我们只关心前3个窗口，去掉尾部没有3个值），在这种情况下如何筛选？或者，这可能是一个更一般的问题，即如何根据窗口的大小过滤出窗口（观察）

avg([T0,V0],[T1,V1],[T2,V2]),
avg([T1,V1],[T2,V2],[T3,V3]),
avg([T2,V2],[T3,V3],[T4,V4]),
avg([T3,V3],[T4,V4],[T5,V5]),
avg([T4,V4],[T5,V5],[T6,V6]),...