> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-vortex-format.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> Аппроксимирует значения временного ряда прямой линией на регулярной временной сетке.
# timeSeriesLinearRegressionToGrid
timeSeriesLinearRegressionToGrid
Добавлена в: v26.9.0
Агрегатная функция, которая принимает данные временных рядов в виде пар временных меток и значений и аппроксимирует значения прямой на регулярной временной сетке, заданной начальной временной меткой, конечной временной меткой и шагом. Для каждой точки сетки образцы, попадающие в указанное временное окно, аппроксимируются прямой, и функция возвращает Tuple `(intercept, slope)`: `intercept` — значение этой прямой в момент времени, соответствующий точке сетки, а `slope` — её наклон в секунду. Если в окне недостаточно образцов, оба значения равны NULL.
Результат `timeSeriesPredictLinearToGrid` со смещением `t` равен `intercept + slope * t`, а результат `timeSeriesDerivToGrid` равен `slope`. На основе этой функции реализована функция PromQL `predict_linear`, благодаря чему смещение прогноза может различаться для разных точек сетки, как в `predict_linear(v, time())`.
Образцы можно передавать в одной из трёх форм:
* в виде двух аргументов `timestamp` и `value`, где каждая строка содержит один образец;
* в виде двух массивов временных меток и значений, где каждая строка содержит целый временной ряд;
* в виде одного массива Tuple `(timestamp, value)`, где каждая строка содержит целый временной ряд.
Если у нескольких образцов совпадает временная метка, используется только один из них — образец с наибольшим значением. Значение NaN уступает любому другому значению, поэтому NaN используется, только если все образцы с этой временной меткой равны NaN.
Эта функция находится в закрытой предварительной версии. Чтобы включить её, установите `enable_time_series_aggregate_functions=true`.
**Синтаксис**
```sql theme={null}
timeSeriesLinearRegressionToGrid(start_timestamp, end_timestamp, grid_step, staleness)(timestamp, value)
timeSeriesLinearRegressionToGrid(start_timestamp, end_timestamp, grid_step, staleness)(samples)
```
**Параметры**
* `start_timestamp` — Задаёт начало сетки. Также может быть дробным числом или строкой, содержащей число или дату и время в текстовом виде. [`UInt32`](/ru/reference/data-types/int-uint) или [`DateTime`](/ru/reference/data-types/datetime) или [`DateTime64`](/ru/reference/data-types/datetime64) или [`Float*`](/ru/reference/data-types/float) или [`Decimal*`](/ru/reference/data-types/decimal) или [`String`](/ru/reference/data-types/string)
* `end_timestamp` — Задаёт конец сетки. Также может быть дробным числом или строкой, содержащей число или дату и время в текстовом виде. [`UInt32`](/ru/reference/data-types/int-uint) или [`DateTime`](/ru/reference/data-types/datetime) или [`DateTime64`](/ru/reference/data-types/datetime64) или [`Float*`](/ru/reference/data-types/float) или [`Decimal*`](/ru/reference/data-types/decimal) или [`String`](/ru/reference/data-types/string)
* `grid_step` — Задаёт шаг сетки в секундах. Также может быть дробным числом или строкой, содержащей число или длительность, например '15s' или '1m'. [`UInt32`](/ru/reference/data-types/int-uint) или [`Float*`](/ru/reference/data-types/float) или [`Decimal*`](/ru/reference/data-types/decimal) или [`String`](/ru/reference/data-types/string)
* `staleness` — Задаёт максимальную давность (staleness) учитываемых образцов в секундах. Окно давности представляет собой интервал, открытый слева и закрытый справа. Также может быть дробным числом или строкой, содержащей число или длительность, например '15s' или '1m'. [`UInt32`](/ru/reference/data-types/int-uint) или [`Float*`](/ru/reference/data-types/float) или [`Decimal*`](/ru/reference/data-types/decimal) или [`String`](/ru/reference/data-types/string)
**Аргументы**
* `timestamp` — временная метка образца. Может быть отдельным значением или массивом. [`UInt32`](/ru/reference/data-types/int-uint) или [`DateTime`](/ru/reference/data-types/datetime) или [`DateTime64`](/ru/reference/data-types/datetime64) или [`Array(UInt32)`](/ru/reference/data-types/array) или [`Array(DateTime)`](/ru/reference/data-types/array) или [`Array(DateTime64)`](/ru/reference/data-types/array)
* `value` — значение временного ряда, соответствующее временной метке. Может быть отдельным значением или массивом. [`Float*`](/ru/reference/data-types/float) или [`Array(Float*)`](/ru/reference/data-types/array)
* `samples` — образцы временного ряда в виде массива Tuple `(timestamp, value)`, элементы которых имеют указанные выше типы временной метки и значения. Альтернатива передаче временных меток и значений двумя отдельными аргументами. [`Array(Tuple(T1, T2))`](/ru/reference/data-types/array)
**Возвращаемое значение**
Tuple `(intercept, slope)` для каждой точки сетки: значение аппроксимирующей прямой во временной метке точки сетки и её наклон в секунду. Если для конкретной точки сетки в окне недостаточно образцов, оба элемента равны NULL. [`Array(Tuple(intercept Nullable(Float64), slope Nullable(Float64)))`](/ru/reference/data-types/array)
**Примеры**
**Построение прямой на сетке \[100, 110, 120] и сравнение с timeSeriesPredictLinearToGrid и timeSeriesDerivToGrid**
```sql title=Query theme={null}
SET enable_time_series_aggregate_functions = 1;
WITH
[100, 110, 120]::Array(DateTime) AS timestamps,
[10, 20, 30]::Array(Float64) AS values,
timeSeriesLinearRegressionToGrid(100, 120, 10, 30)(timestamps, values) AS regression
SELECT
regression,
arrayMap(r -> r.intercept + r.slope * 60, regression) AS predict_linear_60,
arrayMap(r -> r.slope, regression) AS deriv;
```
```response title=Response theme={null}
┌─regression──────────────────┬─predict_linear_60─┬─deriv──────┐
│ [(NULL,NULL),(20,1),(30,1)] │ [NULL,80,90] │ [NULL,1,1] │
└─────────────────────────────┴───────────────────┴────────────┘
```