Skip to content
TheChatArchiveThe Chat Archive
o1-preview-2024-09-12· OpenAIAi2 WildChat-4.8M (AI2)

привет ты можешь переделать чтобы вместо разницы в пунктах были цены закртыия но также с…

  1. User

    привет ты можешь переделать чтобы вместо разницы в пунктах были цены закртыия но также с локальными уровнями

    import yfinance as yf import matplotlib.pyplot as plt import numpy as np import pandas as pd from scipy.signal import argrelextrema

    Получаем данные

    eurusd = yf.Ticker("USDJPY=X") historical_data = eurusd.history(period="1y") close_prices = historical_data['Close']

    order = 6 local_max = argrelextrema(close_prices.values, np.greater, order=order)[0] local_min = argrelextrema(close_prices.values, np.less, order=order)[0]

    Создаем список для хранения разниц

    differences = []

    for max_index in local_max: for min_index in local_min: if max_index > min_index: # Убедимся, что максимум идет после минимума diff = close_prices.values[max_index] - close_prices.values[min_index] differences.append(diff)

    Создаем DataFrame только с разницами

    df = pd.DataFrame(differences, columns=['Разница (пункты)'])

    plt.figure(figsize=(12, 6)) plt.plot(range(1, len(df) + 1), df['Разница (пункты)'], marker='o', linestyle='-', color='purple') plt.title('Разница между локальными максимумами и минимумами') plt.xlabel('Номер пары (максимум - минимум)') plt.ylabel('Разница (пункты)') plt.grid() plt.show()

  2. Assistant

    Здравствуйте! Конечно, давайте переделаем ваш код так, чтобы вместо разниц в пунктах отображались цены закрытия, при этом отмечая на графике локальные максимумы и минимумы.

    Вот обновленный код:

    import yfinance as yf
    import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    from scipy.signal import argrelextrema
    
    # Получаем данные
    ticker = yf.Ticker("USDJPY=X")
    historical_data = ticker.history(period="1y")
    close_prices = historical_data['Close']
    
    # Находим локальные максимумы и минимумы
    order = 6
    local_max_indices = argrelextrema(close_prices.values, np.greater, order=order)[0]
    local_min_indices = argrelextrema(close_prices.values, np.less, order=order)[0]
    
    # Получаем даты и цены для локальных экстремумов
    local_max_dates = historical_data.index[local_max_indices]
    local_max_prices = close_prices.iloc[local_max_indices]
    
    local_min_dates = historical_data.index[local_min_indices]
    local_min_prices = close_prices.iloc[local_min_indices]
    
    # Строим график цен закрытия
    plt.figure(figsize=(14, 7))
    plt.plot(historical_data.index, close_prices, label='Цена закрытия', color='blue')
    
    # Отмечаем локальные максимумы и минимумы
    plt.scatter(local_max_dates, local_max_prices, marker='^', color='green', s=100, label='Локальные максимумы')
    plt.scatter(local_min_dates, local_min_prices, marker='v', color='red', s=100, label='Локальные минимумы')
    
    plt.title('Цены закрытия USD/JPY с локальными максимумами и минимумами')
    plt.xlabel('Дата')
    plt.ylabel('Цена закрытия')
    plt.legend()
    plt.grid(True)
    plt.show()
    

    Описание того, что делает новый код:

    • Импортируем необходимые библиотеки.

    • Получаем исторические данные для USD/JPY за последний год и извлекаем цены закрытия.

    • Находим индексы локальных максимумов и минимумов с помощью функции argrelextrema из scipy.signal.

    • Получаем соответствующие даты и цены для локальных максимумов и минимумов на основании найденных индексов.

    • Строим график цен закрытия за период.

    • Наносим на график точки локальных максимумов и минимумов:

      • Локальные максимумы отмечены зелеными треугольниками вверх.
      • Локальные минимумы отмечены красными треугольниками вниз.
    • Добавляем заголовок, подписи осей, легенду и сетку для улучшения читаемости графика.

    Результатом выполнения этого кода будет график, на котором отображены цены закрытия пары USD/JPY за последний год, а также отмечены точки локальных максимумов и минимумов, что поможет визуально определить уровни поддержки и сопротивления.