SQL数据缺失值线性插值：告别生硬填充，实现平滑估算

处理时间序列数据时，缺失值是个绕不开的麻烦。直接留空影响分析，用上一个值简单填充又显得过于生硬。这时候，线性插值就成了一个更优雅的选择——它能在已知数据点之间，估算出一条合理的“连线”。但问题是，在SQL里怎么实现这个听起来有点“数学”的操作？

关键在于，你得先找到缺失值前后最近的两个有效数据点，然后按距离分配权重。这可不是一个简单的LAG()或LEAD()就能搞定的。

LAG()/LEAD()仅取相邻非空值，无法跳过连续空值找最近有效点；线性插值需前后最近非空值及其位置，通过LAST_VALUE/ FIRST_VALUE IGNORE NULLS与时间戳提取实现加权计算。

为什么不能直接用 LAG() 和 LEAD() 做线性插值？

这里有个常见的误区。很多人第一反应就是用LAG(col)和LEAD(col)去取前后值。但仔细一想，这方法行不通。为什么呢？因为这两个函数非常“老实”，它们只认物理上紧挨着的前一行或后一行。如果当前行是空值，它的前一行碰巧也是空值，那么LAG()返回的依然是NULL，它不会聪明地跳过连续的空值，去找到更早的那个有效数据。

而线性插值的核心，需要的是“前一个非空值的位置和值”以及“后一个非空值的位置和值”。你必须得能“穿透”中间所有的空值，定位到真正有效的锚点才行。

用窗口函数定位前后最近非空值的行号和值

那么，正确的打开方式是什么？答案是：窗口函数。核心思路是进行两次窗口聚合——一次正向累积寻找前驱，一次反向累积寻找后继。

这里的关键不在于直接拿到值，而在于同时锚定值及其对应的位置（比如时间戳或行号）。具体怎么操作呢？

• 在PostgreSQL 14及以上版本，语法比较直观：可以使用MAX(val) FILTER (WHERE val IS NOT NULL) OVER (ORDER BY ts ROWS UNBOUNDED PRECEDING)。这能获取“截至当前行，最近的一个前向非空值”。
• 如果是在MySQL 8.0+或SQL Server等不支持FILTER子句的数据库里，可以改用LAST_VALUE(val) IGNORE NULLS OVER (ORDER BY ts ROWS UNBOUNDED PRECEDING)。这个IGNORE NULLS子句就是跳过空值的神器。
• 找后一个非空值同理，把方向反过来：FIRST_VALUE(val) IGNORE NULLS OVER (ORDER BY ts ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING)。
• 光有值还不够，必须同步获取这两个锚点对应的时间戳。建议用类似的窗口逻辑，比如MAX(ts) FILTER (WHERE val IS NOT NULL) OVER (...)来提取时间。

算出插值系数并完成线性计算

好了，现在“弹药”齐了：前值prev_val、后值next_val、前时间prev_ts、后时间next_ts，以及当前时间curr_ts。剩下的就是一道经典的数学题了。

插值公式很简单：(next_val - prev_val) * (curr_ts - prev_ts) / (next_ts - prev_ts) + prev_val。说白了，就是按时间距离的比例，在前值和后值之间进行加权平均。

这里有个细节必须注意：除零保护。如果prev_ts和next_ts相等（比如所有时间戳都相同，或者前后锚点意外重合），分母为零会导致计算错误。这时候，直接取prev_val就行。

• 在MySQL中，可以用COALESCE(..., prev_val)包裹整个计算式，当内部结果为NULL（即除零发生时）时回退到前值。
• PostgreSQL里更优雅一些，可以用NULLIF(next_ts - prev_ts, 0)先把零值分母转为NULL，再利用NULL参与运算结果为NULL的特性，最后用COALESCE处理。
• 另外，如果时间列是日期时间类型，记得先统一单位，比如用EXTRACT(EPOCH FROM ...)转换成秒数，这样相减才能得到数值差。

完整可运行示例（PostgreSQL）

SELECT
  ts,
  val,
  COALESCE(
    val,
    (
      (next_val - prev_val) * (EXTRACT(EPOCH FROM ts) - prev_epoch)
      / NULLIF(next_epoch - prev_epoch, 0)
      + prev_val
    )::NUMERIC(10,3)
  ) AS val_interp
FROM (
  SELECT
    ts,
    val,
    LAST_VALUE(val) IGNORE NULLS OVER (ORDER BY ts ROWS UNBOUNDED PRECEDING) AS prev_val,
    FIRST_VALUE(val) IGNORE NULLS OVER (ORDER BY ts ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS next_val,
    MAX(CASE WHEN val IS NOT NULL THEN EXTRACT(EPOCH FROM ts) END)
      OVER (ORDER BY ts ROWS UNBOUNDED PRECEDING) AS prev_epoch,
    MIN(CASE WHEN val IS NOT NULL THEN EXTRACT(EPOCH FROM ts) END)
      OVER (ORDER BY ts ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) AS next_epoch
  FROM samples
) t;

最后需要提醒一点：线性插值有个天然的前提，就是缺失的这段数据，两端必须都有非空值。如果序列开头就是空值，找不到前驱；或者末尾是空值，找不到后继，那么插值结果自然还是NULL。这不是SQL写法的问题，而是方法本身的逻辑限制。理解这一点，才能更好地应用这个工具。