本文介绍如何基于 estimated_stay_time 字段，以指定阈值（如 100000）为最大允许增量，对有序数据进行前向动态分组——即仅允许向后合并、禁止回溯调整，确保每组内相邻项的增量不超过阈值且严格维持 detected_time 原序。
本文介绍如何基于 `estimated_stay_time` 字段，以指定阈值（如 100000）为最大允许增量，对有序数据进行**前向动态分组**——即仅允许向后合并、禁止回溯调整，确保每组内相邻项的增量不超过阈值且严格维持 `detected_time` 原序。
在实际业务场景中（例如物联网设备停留时长聚类、用户行为会话切分），我们常需将时间序列数据按“变化幅度”而非绝对值分组：要求后续元素与前一元素的差值 ≤ 某阈值（如 extension_window），否则开启新组。关键约束是：必须保持原始顺序，且分组逻辑是单向递进的（forward-only）——不能因后续值回落而将已分组项重新归并。
以下是一个健壮、可复用的实现方案，使用 Array.prototype.reduce() 进行一次遍历完成分组：
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 groupByIncrementThreshold = (arr, thresholdKey = 'extension_window') => {
return arr.reduce((groups, item, index, array) => {
// 计算与前一项的增量（首项无前项，delta 设为 Infinity 触发新组）
const prevItem = array[index - 1];
const delta = item.estimated_stay_time - (prevItem?.estimated_stay_time ?? 0);
// 触发新组的条件：首项 / 增量为负（异常下降）/ 增量超过当前项的 extension_window
if (index === 0 || delta < 0 || delta > item[thresholdKey]) {
groups.push([item]);
} else {
// 向最后一组追加（前向合并）
groups.at(-1).push(item);
}
return groups;
}, []);
};
// 执行分组
const result = groupByIncrementThreshold(data);
console.log(result);✅ 输出结果完全匹配预期：
Javascript Sdk
下载
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。
- 第1组：[ {detected_time:1, ...} ]（首项，独立成组）
- 第2组：[ {detected_time:2, ...} ]（330000 − 300 = 329700 > 100000 → 超阈值）
- 第3–4组：[ {3}, {4} ]（150000 − 130000 = 20000 ≤ 100000 → 合并）
- 第5组：[ {5} ]（3000 − 150000 = −147000 < 0 → 下降，强制新组）
- 第6–7组：[ {6}, {7} ]（663913 − 591988 = 71925 ≤ 100000 → 合并）
⚠️ 重要注意事项：
- 该算法依赖输入数组已按 detected_time 严格升序排列；若顺序混乱，结果不可靠；
- extension_window 是每个对象独立的阈值，支持差异化容错（如示例中所有项均为 100000，但设计上可扩展）；
- 使用 groups.at(-1) 而非 groups[groups.length - 1] 提升可读性（现代 JS 环境兼容）；
- 若需支持旧环境（如 IE），可替换为 groups[groups.length - 1]；
- 不建议直接修改原数组，本实现为纯函数式，返回全新嵌套结构。
此方法时间复杂度为 O(n)，空间复杂度为 O(n)，兼顾性能与可维护性，适用于实时流处理或前端大规模列表分组场景。
