напиши сайт, который читает из pandas датафрейма paraquet файл, хранящий…
- User
напиши сайт, который читает из pandas датафрейма paraquet файл, хранящий последовательность OHLCV начиная с нуля и строит график с отображением свеч
Assistant
Звучит как интересная задача! Ниже я предоставлю тебе готовый пример сайта на Flask (микро-фреймворк для Python), который читает Parquet-файл с OHLCV (Open, High, Low, Close, Volume) данными из Pandas DataFrame и строит график свечей (Candlestick Chart) используя библиотеку
plotly.Что нужно сделать перед запуском:
-
Установить необходимые библиотеки: Убедись, что у тебя установлены
pandas,pyarrow(для чтения Parquet),flask(веб-фреймворк),plotly(для графиков). Если нет, поставь их командой:pip install pandas pyarrow flask plotly -
Подготовить Parquet-файл: Убедись, что у тебя есть Parquet-файл, содержащий OHLCV данные. Колонки должны называться:
open,high,low,close,volume, а индекс (или колонка, которую ты укажешь как индекс) должен быть временной (например, время в формате datetime64). Если у тебя его нет, в примере ниже я покажу, как создать тестовый DataFrame и сохранить его в Parquet.
Шаг 1: Подготовка данных (создание тестового Parquet-файла)
Сначала создай файл
create_data.pyи положи в него этот код. Он создаст тестовый DataFrame с OHLCV и сохранит его вohlcv_data.parquet:import pandas as pd import numpy as np # Генерация случайных данных для примера np.random.seed(42) dates = pd.date_range('2023-01-01', periods=100, freq='1min') data = { 'open': np.random.uniform(100, 105, size=len(dates)), 'high': np.random.uniform(105, 110, size=len(dates)), 'low': np.random.uniform(95, 100, size=len(dates)), 'close': np.random.uniform(100, 105, size=len(dates)), 'volume': np.random.randint(1000, 5000, size=len(dates)), } df = pd.DataFrame(data, index=dates) df = df.sort_index() # Убедимся, что индекс по времени отсортирован # Сохраняем в Parquet df.to_parquet('ohlcv_data.parquet', compression='snappy') print("Файл ohlcv_data.parquet создан!")Выполни этот скрипт:
python create_data.pyУ тебя появится файл
ohlcv_data.parquetв директории проекта.Шаг 2: Создание веб-сайта на Flask
Теперь создай основной файл приложения
app.py:from flask import Flask, render_template_string import pandas as pd import plotly import plotly.graph_objs as go import json app = Flask(__name__) # Функция загрузки данных из Parquet def load_data(file_path): try: df = pd.read_parquet(file_path) df.reset_index(inplace=True) # Сбросим индекс, чтобы дата стала обычной колонкой df.columns = ['date', 'open', 'high', 'low', 'close', 'volume'] # Явное наименование колонок df['date'] = pd.to_datetime(df['date']) # Убедимся, что дата в datetime формате return df except Exception as e: print(f"Ошибка загрузки данных: {e}") return None # Функция построения графика свечей def create_candlestick_chart(df): fig = go.Figure(data=[go.Candlestick( x=df['date'], open=df['open'], high=df['high'], low=df['low'], close=df['close'], name='OHLCV' )]) fig.update_layout( title='График свечей (OHLCV)', xaxis_title='Дата', yaxis_title='Цена', xaxis_rangeslider_visible=True, # Ползунок масштабирования по X width=1200, height=600 ) graph_json = json.dumps(fig, cls=plotly.utils.PlotlyJSONEncoder) return graph_json # HTML-шаблон (будет отображать график) html_template = """ <!DOCTYPE html> <html> <head> <title>OHLCV Candlestick Chart</title> <script src="https://cdn.plotly.com/plotly-latest.min.js"></script> </head> <body> <h1>График OHLCV свечей</h1> <div id="chart" style="width:100%;height:100%"></div> <script> var graph = {{ graph_json | safe }}; Plotly.newPlot('chart', graph.data, graph.layout); </script> </body> </html> """ @app.route('/') def index(): # 1. Загружаем данные file_path = 'ohlcv_data.parquet' # Путь к нашему Parquet-файлу df = load_data(file_path) if df is None: return "Ошибка загрузки данных", 500 # 2. Строим график graph_json = create_candlestick_chart(df) # 3. Отображаем HTML с графиком return render_template_string(html_template, graph_json=graph_json) if __name__ == '__main__': app.run(debug=True)Теперь запускай приложение:
python app.pyОткрой в браузере: http://127.0.0.1:5000/
Что ты увидишь:
- Страница загрузится и отобразит красивый интерактивный график свечей (Candlestick Chart) из данных твоего Parquet-файла.
- График будет масштабируемый (зум по X и Y).
- При наведении на свечу будут показаны open, high, low, close значения.
- Внизу будет ползунок для быстрого перемещения по диапазону дат.
Как это работает:
load_data()читает Parquet → Pandas DataFrame.create_candlestick_chart()строит график черезplotly.graph_objs.- Flask рендерит простой HTML + JS, встраивая график из
plotly. - Браузер получает JSON-сериализованный график и рисует его через Plotly.js.
Что можно улучшить:
- Добавить фильтрацию данных по датам (например,
/chart?from=2023-01-01&to=2023-01-10). - Сделать несколько вкладок (например, дополнительно отображать Volumes или скользящие средние MA).
- Сохранять график в PNG/PDF по кнопке.
- Использовать не
render_template_string, а полноценные шаблоны Jinja2 + статические файлы.
Теперь наслаждайся результатом! Если возникнут вопросы или ошибки — пиши.
Всё! Твой действующий сайт для визуализации биржевых данных готов.
P.S. Если данные слишком большие (сотни тысяч строк), рассмотри:
- Агрегацию (resample по 1 часу, 1 дню).
- Использование Dash вместо Flask (он лучше для аналитики).
Удачи в дата-сайенсе и веб-разработке!
-
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.