Обзор
Я пытаюсь использовать этот индикатор подсвечника Python Zig Zag Candlestic Индикатор
указывает на график индикатора Zig Zag. Индикатор Python Zigzag для чартов Candlestick Единственный код, который я мог найти, был из этого запроса на вытяжение. < /P>
def peak_valley_pivots_candlestick(close, high, low, up_thresh, down_thresh):
"""
Finds the peaks and valleys of a series of HLC (open is not necessary).
TR: This is modified peak_valley_pivots function in order to find peaks and valleys for OHLC.
Parameters
----------
close : This is series with closes prices.
high : This is series with highs prices.
low : This is series with lows prices.
up_thresh : The minimum relative change necessary to define a peak.
down_thesh : The minimum relative change necessary to define a valley.
Returns
-------
an array with 0 indicating no pivot and -1 and 1 indicating valley and peak
respectively
Using Pandas
------------
For the most part, close, high and low may be a pandas series. However, the index must
either be [0,n) or a DateTimeIndex. Why? This function does X[t] to access
each element where t is in [0,n).
The First and Last Elements
---------------------------
The first and last elements are guaranteed to be annotated as peak or
valley even if the segments formed do not have the necessary relative
changes. This is a tradeoff between technical correctness and the
propensity to make mistakes in data analysis. The possible mistake is
ignoring data outside the fully realized segments, which may bias analysis.
"""
if down_thresh > 0:
raise ValueError('The down_thresh must be negative.')
initial_pivot = _identify_initial_pivot(close, up_thresh, down_thresh)
t_n = len(close)
pivots = np.zeros(t_n, dtype='i1')
pivots[0] = initial_pivot
# Adding one to the relative change thresholds saves operations. Instead
# of computing relative change at each point as x_j / x_i - 1, it is
# computed as x_j / x_1. Then, this value is compared to the threshold + 1.
# This saves (t_n - 1) subtractions.
up_thresh += 1
down_thresh += 1
trend = -initial_pivot
last_pivot_t = 0
last_pivot_x = close[0]
for t in range(1, len(close)):
if trend == -1:
x = low[t]
r = x / last_pivot_x
if r >= up_thresh:
pivots[last_pivot_t] = trend
trend = 1
last_pivot_x = x
last_pivot_t = t
elif x < last_pivot_x:
last_pivot_x = x
last_pivot_t = t
else:
x = high[t]
r = x / last_pivot_x
if r last_pivot_x:
last_pivot_x = x
last_pivot_t = t
if last_pivot_t == t_n-1:
pivots[last_pivot_t] = trend
elif pivots[t_n-1] == 0:
pivots[t_n-1] = trend
return pivots
Функция PEAK_VALLEY_PIVOTS_CANDLESTICK почти работает, как и ожидалось, но при следующих данных, по -видимому, возникает ошибка в том, как вычисляются pivots.
import numpy as np
import plotly.graph_objects as go
import pandas as pd
from datetime import datetime
df = pd.DataFrame(dict1)
fig = go.Figure(data=[go.Candlestick(x=df['Date'],
open=df['Open'],
high=df['High'],
low=df['Low'],
close=df['Close'])])
df_diff = df['Pivot Price'].dropna().diff().copy()
fig.add_trace(
go.Scatter(mode = "lines+markers",
x=df['Date'],
y=df["Pivot Price"]
))
fig.update_layout(
autosize=False,
width=1000,
height=800,)
fig.add_trace(go.Scatter(x=df['Date'], y=df['Pivot Price'].interpolate(),
mode = 'lines',
line = dict(color='black')))
def annot(value):
if np.isnan(value):
return ''
else:
return value
j = 0
for i, p in enumerate(df['Pivot Price']):
if not np.isnan(p):
fig.add_annotation(dict(font=dict(color='rgba(0,0,200,0.8)',size=12),
x=df['Date'].iloc[i],
y=p,
showarrow=False,
text=annot(round(abs(df_diff.iloc[j]),3)),
textangle=0,
xanchor='right',
xref="x",
yref="y"))
j = j + 1
fig.update_xaxes(type='category')
fig.show()
Обычно функция работает, как можно увидеть в этой диаграмме.
Редактировать. Это код, который я использовал для создания pivots и pivot price cols. Обновление в соответствии с комментарием от @ands < /p>
[b] Обзор [/b] Я пытаюсь использовать этот индикатор подсвечника Python Zig Zag Candlestic Индикатор
указывает на график индикатора Zig Zag. Индикатор Python Zigzag для чартов Candlestick Единственный код, который я мог найти, был из этого запроса на вытяжение. < /P> [code]def peak_valley_pivots_candlestick(close, high, low, up_thresh, down_thresh): """ Finds the peaks and valleys of a series of HLC (open is not necessary). TR: This is modified peak_valley_pivots function in order to find peaks and valleys for OHLC. Parameters ---------- close : This is series with closes prices. high : This is series with highs prices. low : This is series with lows prices. up_thresh : The minimum relative change necessary to define a peak. down_thesh : The minimum relative change necessary to define a valley. Returns ------- an array with 0 indicating no pivot and -1 and 1 indicating valley and peak respectively Using Pandas ------------ For the most part, close, high and low may be a pandas series. However, the index must either be [0,n) or a DateTimeIndex. Why? This function does X[t] to access each element where t is in [0,n). The First and Last Elements --------------------------- The first and last elements are guaranteed to be annotated as peak or valley even if the segments formed do not have the necessary relative changes. This is a tradeoff between technical correctness and the propensity to make mistakes in data analysis. The possible mistake is ignoring data outside the fully realized segments, which may bias analysis. """ if down_thresh > 0: raise ValueError('The down_thresh must be negative.')
# Adding one to the relative change thresholds saves operations. Instead # of computing relative change at each point as x_j / x_i - 1, it is # computed as x_j / x_1. Then, this value is compared to the threshold + 1. # This saves (t_n - 1) subtractions. up_thresh += 1 down_thresh += 1
trend = -initial_pivot last_pivot_t = 0 last_pivot_x = close[0] for t in range(1, len(close)):
if trend == -1: x = low[t] r = x / last_pivot_x if r >= up_thresh: pivots[last_pivot_t] = trend trend = 1 last_pivot_x = x last_pivot_t = t elif x < last_pivot_x: last_pivot_x = x last_pivot_t = t else: x = high[t] r = x / last_pivot_x if r last_pivot_x: last_pivot_x = x last_pivot_t = t
fig.add_trace(go.Scatter(x=df['Date'], y=df['Pivot Price'].interpolate(), mode = 'lines', line = dict(color='black')))
def annot(value): if np.isnan(value): return '' else: return value
j = 0 for i, p in enumerate(df['Pivot Price']): if not np.isnan(p):
fig.add_annotation(dict(font=dict(color='rgba(0,0,200,0.8)',size=12), x=df['Date'].iloc[i], y=p, showarrow=False, text=annot(round(abs(df_diff.iloc[j]),3)), textangle=0, xanchor='right', xref="x", yref="y")) j = j + 1 fig.update_xaxes(type='category') fig.show() [/code] [b] Обычно функция работает, как можно увидеть в этой диаграмме. [/b] Редактировать. Это код, который я использовал для создания pivots и pivot price cols. Обновление в соответствии с комментарием от @ands < /p> [code]df['Pivots'] = pivots df.loc[df['Pivots'] == 1, 'Pivot Price'] = df.High df.loc[df['Pivots'] == -1, 'Pivot Price'] = df.Low[/code]
В настоящее время я работаю над функцией Python, которая должна вычислять сумму значений в двоичном дереве поиска (BST) в заданном диапазоне. Однако мой код, похоже, не работает должным образом. Буду признателен за советы о том, что может пойти не...
Я компилирую C++ DLL из достаточно хорошо проверенной библиотеки (zeromq) и использую ее в своих собственных привязках Delphi. В настоящее время я сталкиваюсь с неожиданным поведением кода C++, и у меня нет опыта для его хорошей отладки. Основная...
Я принял грубую силу ' подход 1 ' 'Решение в этом коде LeetCode C ++ [ неправильно. Я все утро был все утро, но не могу найти проблему.class Solution {
private:
bool check(string &s, int i, int j){
while(i
public class MyClass {
static boolean...
Я принял грубую силу ' подход 1 ' 'Решение в этом коде LeetCode C ++ [ неправильно. Я все утро был все утро, но не могу найти проблему.class Solution {
private:
bool check(string &s, int i, int j){
while(i
public class MyClass {
static boolean...
Мобильная версия
