假设您的数据没有缺少月份/年份，一个选项使用窗口函数：

select 
    t.*,
    lag(average) over(
        partition by sensor_id, extract(month from m)
        order by extract(year from m)
    ) last_year_average
from mytable

这会将属于同一传感器和同一月份的所有行放在同一分区中。然后可以使用时间戳的年份部分作为排序列。
您可以根据需要使用新列将其与当前平均值进行比较。

如果每个月都有一个值，则可以使用12个月的延迟：

select t.*,
       lag(average, 12) over (partition by sensor_id
                              order by m
                             ) as last_year_average
from t;

将其筛选到2019/2018需要一个子查询：

select t.*
from (select t.*,
             lag(average, 12) over (partition by sensor_id
                                    order by m
                                   ) as last_year_average
      from t
     ) t
where m >= '2019-01-01'::date and
      m < '2020-01-01'::date

如果你错过了几个月，那么这个（或gmb的答案）都不会正常工作。相反，你可以使用 join 、聚合或窗口函数：

select t.*
from t left join
     t tprev
     on tprev.sensor_id = t.sensor_id and
        tprev.m = t.m - interval '12 month'
where t.m >= '2019-01-01'::date and t.m < '2020-01-01'::date;

其他两种方法是：

select t.sensor_id, month(t.m)
       max(average) filter (where year(t.m) = 2019) as avg_2019,
       max(average) filter (where year(t.m) = 2018) as avg_2018
from t
group by t.sensor_id, month(t.m);

如果可能缺少月份，则安全使用窗口功能：

select t.*,
       max(average) over (partition by sensor_id
                          order by m
                          range between '1 year preceding' and '1 year preceding'
                         ) as average_prev
from t;