> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-fix-nav-issues.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > 计算指定时间对应值的指数移动平均。 # exponentialMovingAverage
## exponentialMovingAverage
引入版本：v21.11.0 计算给定时间点对应值的指数移动平均。 每个 `value` 都对应一个确定的 `timeunit`。 半衰期 `x` 表示指数权重衰减至一半时对应的时间滞后。 该函数返回加权平均值：时间点越早，对应值的权重越低。 **语法** ```sql theme={null} exponentialMovingAverage(x)(value, timeunit) ``` **参数** * `x` — 半衰期。[`(U)Int*`](/zh/reference/data-types/int-uint) 或 [`Float*`](/zh/reference/data-types/float) 或 [`Decimal`](/zh/reference/data-types/decimal) **参数列表** * `value` — 值。[`(U)Int*`](/zh/reference/data-types/int-uint) 或 [`Float*`](/zh/reference/data-types/float) 或 [`Decimal`](/zh/reference/data-types/decimal) * `timeunit` — 时间单位。`timeunit` 不是时间戳 (秒) ，而是时间间隔的索引，可使用 `intDiv` 计算。[`(U)Int*`](/zh/reference/data-types/int-uint) 或 [`Float*`](/zh/reference/data-types/float) 或 [`Decimal`](/zh/reference/data-types/decimal) **返回值** 返回最新时间点处过去 `x` 个时间单位内各值的指数平滑移动平均值。[`Float64`](/zh/reference/data-types/float) **示例** **基本指数移动平均** ```sql title=Query theme={null} -- 包含温度数据的输入表 SELECT exponentialMovingAverage(5)(temperature, timestamp) FROM VALUES('temperature Int32, timestamp Int32', (95, 1), (95, 2), (95, 3), (96, 4), (96, 5), (96, 6), (96, 7), (97, 8), (97, 9), (97, 10), (97, 11), (98, 12), (98, 13), (98, 14), (98, 15), (99, 16), (99, 17), (99, 18), (100, 19), (100, 20)) ``` ```response title=Response theme={null} ┌─exponentialM⋯ timestamp)─┐ │ 92.25779635374204 │ └──────────────────────────┘ ``` **`bar` 函数示例** ```sql title=Query theme={null} SELECT value, time, round(exp_smooth, 3), bar(exp_smooth, 0, 1, 50) AS bar FROM ( SELECT (number = 0) OR (number >= 25) AS value, number AS time, exponentialMovingAverage(10)(value, time) OVER (Rows BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS exp_smooth FROM numbers(50) ) ``` ```response title=Response theme={null} ┌─value─┬─time─┬─round(exp_smooth, 3)─┬─bar────────────────────────────────────────┐ │ 1 │ 0 │ 0.067 │ ███▎ │ │ 0 │ 1 │ 0.062 │ ███ │ │ 0 │ 2 │ 0.058 │ ██▊ │ │ 0 │ 3 │ 0.054 │ ██▋ │ │ 0 │ 4 │ 0.051 │ ██▌ │ │ 0 │ 5 │ 0.047 │ ██▎ │ │ 0 │ 6 │ 0.044 │ ██▏ │ │ 0 │ 7 │ 0.041 │ ██ │ │ 0 │ 8 │ 0.038 │ █▊ │ │ 0 │ 9 │ 0.036 │ █▋ │ │ 0 │ 10 │ 0.033 │ █▋ │ │ 0 │ 11 │ 0.031 │ █▌ │ │ 0 │ 12 │ 0.029 │ █▍ │ │ 0 │ 13 │ 0.027 │ █▎ │ │ 0 │ 14 │ 0.025 │ █▎ │ │ 0 │ 15 │ 0.024 │ █▏ │ │ 0 │ 16 │ 0.022 │ █ │ │ 0 │ 17 │ 0.021 │ █ │ │ 0 │ 18 │ 0.019 │ ▊ │ │ 0 │ 19 │ 0.018 │ ▊ │ │ 0 │ 20 │ 0.017 │ ▋ │ │ 0 │ 21 │ 0.016 │ ▋ │ │ 0 │ 22 │ 0.015 │ ▋ │ │ 0 │ 23 │ 0.014 │ ▋ │ │ 0 │ 24 │ 0.013 │ ▋ │ │ 1 │ 25 │ 0.079 │ ███▊ │ │ 1 │ 26 │ 0.14 │ ███████ │ │ 1 │ 27 │ 0.198 │ █████████▊ │ │ 1 │ 28 │ 0.252 │ ████████████▌ │ │ 1 │ 29 │ 0.302 │ ███████████████ │ │ 1 │ 30 │ 0.349 │ █████████████████▍ │ │ 1 │ 31 │ 0.392 │ ███████████████████▌ │ │ 1 │ 32 │ 0.433 │ █████████████████████▋ │ │ 1 │ 33 │ 0.471 │ ███████████████████████▌ │ │ 1 │ 34 │ 0.506 │ █████████████████████████▎ │ │ 1 │ 35 │ 0.539 │ ██████████████████████████▊ │ │ 1 │ 36 │ 0.57 │ ████████████████████████████▌ │ │ 1 │ 37 │ 0.599 │ █████████████████████████████▊ │ │ 1 │ 38 │ 0.626 │ ███████████████████████████████▎ │ │ 1 │ 39 │ 0.651 │ ████████████████████████████████▌ │ │ 1 │ 40 │ 0.674 │ █████████████████████████████████▋ │ │ 1 │ 41 │ 0.696 │ ██████████████████████████████████▋ │ │ 1 │ 42 │ 0.716 │ ███████████████████████████████████▋ │ │ 1 │ 43 │ 0.735 │ ████████████████████████████████████▋ │ │ 1 │ 44 │ 0.753 │ █████████████████████████████████████▋ │ │ 1 │ 45 │ 0.77 │ ██████████████████████████████████████▍ │ │ 1 │ 46 │ 0.785 │ ███████████████████████████████████████▎ │ │ 1 │ 47 │ 0.8 │ ███████████████████████████████████████▊ │ │ 1 │ 48 │ 0.813 │ ████████████████████████████████████████▋ │ │ 1 │ 49 │ 0.825 │ █████████████████████████████████████████▎ │ └───────┴──────┴──────────────────────┴────────────────────────────────────────────┘ ``` **基于时间计算的窗口函数用法** ```sql title=Query theme={null} CREATE TABLE data ENGINE = Memory AS SELECT 10 AS value, toDateTime('2020-01-01') + (3600 * number) AS time FROM numbers_mt(10); -- 使用 intDiv 计算 timeunit SELECT value, time, exponentialMovingAverage(1)(value, intDiv(toUInt32(time), 3600)) OVER (ORDER BY time ASC) AS res, intDiv(toUInt32(time), 3600) AS timeunit FROM data ORDER BY time ASC ``` ```response title=Response theme={null} ┌─value─┬────────────────time─┬─────────res─┬─timeunit─┐ │ 10 │ 2020-01-01 00:00:00 │ 5 │ 438288 │ │ 10 │ 2020-01-01 01:00:00 │ 7.5 │ 438289 │ │ 10 │ 2020-01-01 02:00:00 │ 8.75 │ 438290 │ │ 10 │ 2020-01-01 03:00:00 │ 9.375 │ 438291 │ │ 10 │ 2020-01-01 04:00:00 │ 9.6875 │ 438292 │ │ 10 │ 2020-01-01 05:00:00 │ 9.84375 │ 438293 │ │ 10 │ 2020-01-01 06:00:00 │ 9.921875 │ 438294 │ │ 10 │ 2020-01-01 07:00:00 │ 9.9609375 │ 438295 │ │ 10 │ 2020-01-01 08:00:00 │ 9.98046875 │ 438296 │ │ 10 │ 2020-01-01 09:00:00 │ 9.990234375 │ 438297 │ └───────┴─────────────────────┴─────────────┴──────────┘ ```