按时间过滤的聚合函数和窗口函数是数据库中常用的功能，可以通过以下解决方法来实现：

1. SQL解决方法：

• 聚合函数：使用GROUP BY子句按时间列进行分组，然后使用聚合函数进行计算。例如，计算每天的销售总额可以使用以下SQL语句：

  SELECT DATE(sale_date) AS date, SUM(amount) AS total_amount
  FROM sales
  GROUP BY DATE(sale_date);
  

• 窗口函数：使用窗口函数来计算按时间窗口分组的聚合值。例如，计算每天的销售总额和累计销售额可以使用以下SQL语句：

  SELECT DATE(sale_date) AS date, SUM(amount) OVER (ORDER BY sale_date) AS total_amount,
  SUM(amount) OVER (PARTITION BY DATE(sale_date) ORDER BY sale_date) AS cumulative_amount
  FROM sales;
  

2. Python解决方法（使用pandas库）：

• 聚合函数：使用pandas库的groupby函数按时间列进行分组，然后使用聚合函数进行计算。例如，计算每天的销售总额可以使用以下Python代码：

  import pandas as pd
  
  sales_data = pd.read_csv('sales.csv')
  sales_data['sale_date'] = pd.to_datetime(sales_data['sale_date'])
  daily_sales = sales_data.groupby(sales_data['sale_date'].dt.date)['amount'].sum()
  

• 窗口函数：使用pandas库的rolling函数和sum函数来计算按时间窗口分组的聚合值。例如，计算每天的销售总额和累计销售额可以使用以下Python代码：

  import pandas as pd
  
  sales_data = pd.read_csv('sales.csv')
  sales_data['sale_date'] = pd.to_datetime(sales_data['sale_date'])
  sales_data = sales_data.sort_values('sale_date')
  sales_data['total_amount'] = sales_data['amount'].rolling(window='1d').sum()
  sales_data['cumulative_amount'] = sales_data.groupby(sales_data['sale_date'].dt.date)['amount'].cumsum()
  

以上是按时间过滤的聚合函数和窗口函数的解决方法，可以根据具体的需求和使用的数据库或编程语言选择合适的方法来实现。