> ## Documentation Index > Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8c05c8a2.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. > Calcule la moyenne mobile exponentielle des valeurs pour l’instant donné. # exponentialMovingAverage
## exponentialMovingAverage
Introduit dans : v21.11.0 Calcule la moyenne mobile exponentielle des valeurs pour l'instant donné. Chaque `value` correspond au `timeunit` donné. La demi-vie `x` est le décalage temporel pour lequel les poids exponentiels sont divisés par deux. La fonction renvoie une moyenne pondérée : plus le point dans le temps est ancien, moins la valeur correspondante a de poids. **Syntaxe** ```sql theme={null} exponentialMovingAverage(x)(value, timeunit) ``` **Paramètres** * `x` — Période de demi-vie. [`(U)Int*`](/fr/reference/data-types/int-uint) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal`](/fr/reference/data-types/decimal) **Arguments** * `value` — Valeur. [`(U)Int*`](/fr/reference/data-types/int-uint) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal`](/fr/reference/data-types/decimal) * `timeunit` — Unité de temps. `timeunit` n’est pas un horodatage (secondes), mais un indice de l’intervalle de temps. Peut être calculé à l’aide de `intDiv`. [`(U)Int*`](/fr/reference/data-types/int-uint) ou [`Float*`](/fr/reference/data-types/float) ou [`Decimal`](/fr/reference/data-types/decimal) **Valeur renvoyée** Renvoie une moyenne mobile à lissage exponentiel des valeurs sur les `x` dernières unités de temps, au point le plus récent. [`Float64`](/fr/reference/data-types/float) **Exemples** **Moyenne mobile exponentielle simple** ```sql title=Query theme={null} -- Input table with temperature data 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 │ └──────────────────────────┘ ``` **Exemple avec la fonction `bar`** ```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 │ █████████████████████████████████████████▎ │ └───────┴──────┴──────────────────────┴────────────────────────────────────────────┘ ``` **Utilisation d’une fonction de fenêtre avec un calcul temporel** ```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); -- Calculate timeunit using intDiv 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 │ └───────┴─────────────────────┴─────────────┴──────────┘ ```