请问您的问题解决了吗？怎么解决的呢？

代码容易，但是首先要理解这个问题本身的问题。
你没说采样间隔，那么假定每毫秒采样一次，则5分钟的数据是30万个。说到这，你意识到问题了吗，30万个数据变成一个平均值，那么这个平均值到底有多大意义呢？在这5分钟里，数据的波动、极值等有效信息完全被过滤掉了。如果数据是长期稳定的，很可能最终的每5分钟均值画出来是一条直线。而如果数据有长期变化趋势，5分钟的窗口选择就会影响到均值结果。
如果你能理解上面说的，那么就会明白，用窗口平均值这种简单处理方法是不对的。

换一个角度看问题，毫秒级数据，已经可以近似作为线性数据了，数据越是线性越能反映真实变化，而用窗口均值，越是离散化，信息量越小。所以说，你想用的这种处理方法，简单，粗暴，不是好方法。

从实际需要出发，原始数据量太大，而你可能只是想观察长期变化趋势吧。那么有一种方法，您试试：
stats包有个decompose()函数，可以从时间序列中分解出trend数据。
但是这也有个问题，数据太大的话，即使只是计算均值，对系统的计算能力也是挑战，何况复杂的decompose运算。

而对于长期实时采样数据，比较现实的一种方法是增大采样间隔，或者只记录每个采样窗口内的上下两个极值。