- 博客(92)
- 收藏
- 关注
RSS订阅原创 股票技术指标（包含贪婪指数）
总的来说，技术指标是一个有用的工具，但任何技术指标都不是万能的，使用时应结合多种技术指标、其他分析工具和市场情况综合考虑。我自己计算每只股票近3个月分位数、近2周趋势角度、是否金叉、换手率、量比、市盈率(动) 、总市值，每日更新获取方式：第1步：关注微信公众号：ZX先生第2步：输入关键词：技术指标。
2024-03-03 19:58:04
962
1
原创 中位数趋势法在matlab上的实现
公式数据代码支持批量计算多指标，案例数据有1960-2013年春季、夏季、秋季、冬季四个指标，部分数据如下：结果代码
2022-05-22 12:04:18
436
原创 topsis(优劣解距离法)在matlab上的实现
TOPSIS 模型是 Hwang 和 Yoon 于 1981 年首次 提出，它是一种根据有限评价对象与理想化目标接 近程度进行排序的方法，通过计算评价对象的最优 值和最劣值来进行排序，当评价对象与最优值最接 近且与最差值最远时则为最优对象，反之为最差。 TOPSIS 评价法对原始数据利用较充分，适用于样本 量大、分布广的数据。基于 DPSIR 模型构建的评价指 标体系运用 TOPSIS 模型进行评价。计算过程数据指标属性 1 -1 -1 -1 评价对象 ..
2022-05-16 18:33:59
918
1
原创 pettitt突变检验在matlab上的实现
案例 数据格式如下：四个地区的历年（1960-2013）温度值，检测每个地区的突变年份。检测结果 时时仰望天空，理想就会离现实越来越近！如果对你有帮助，请点下赞，予人玫瑰手有余香！...
2022-03-30 22:10:36
3061
3
原创 G(1,1)灰色预测在matlab上的实现
数据年份 涌水量（亿m³） 2001 1.66 2002 1.34 2003 1.59 2004 2.27 2005 2.16 2006 2.13 2007 1.99 2008 1.89 2009 1.38 2010 1.03 2011 1.16 2012 1.76 2013 1.61 2014 1.51 2015 1.30 2016 2.
2022-03-27 18:33:55
979
2
原创 灰色关联在matlab上的实现
原理对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。数据结果代码微信小程序...
2022-03-20 19:33:50
952
原创 python合并视频
安装包pip install moviepy -i https://pypi.tuna.tsinghua.edu.cn/simple视频数据python代码from moviepy.editor import VideoFileClip,concatenate_videoclipsimport os #参数设置data_path='./data'#分散视频路径suffix='.ts'#分散的视频后缀save_path="./合并结果.mp4"#合并后的视频名称..
2022-01-28 16:08:50
5861
3
原创 windows基于face_recognition实现人脸识别
环境搭建pip install opencv-python --user -i https://pypi.tuna.tsinghua.edu.cn/simplepip install opencv-contrib-python --user -i https://pypi.tuna.tsinghua.edu.cn/simplepip install cmake --user -i https://pypi.tuna.tsinghua.edu.cn/simplepip install boost -
2021-12-26 17:47:29
2188
原创 windows基于opecv-python实现人脸识别
环境搭建pip install opencv-python --user -i https://pypi.tuna.tsinghua.edu.cn/simplepip install opencv-contrib-python --user -i https://pypi.tuna.tsinghua.edu.cn/simple训练数据准备在data_train文件下放置训练数据，一个文件夹代表一个人的图片模型训练opencv读取训练数据，并用级联分类器检测人脸将人脸数据输入人.
2021-12-26 17:19:56
2113
原创 偏相关分析在python上的实现（支持栅格数据）
数据年份 ndvi 平均气温 降水量 相对湿度 1988 0.4913 18.345229 148.5 56.7 1989 0.4472 17.530815 99.3 55.4 1990 0.4412 17.84865 122.4 54.2 1991 0.4586 18.074748 88.9 53.5 1992 0.3642 18.72435 1
2021-12-20 23:23:38
3244
4
原创 小波分析在matlab上的实现
数据年份 年平均 1956 29.00 1957 35.00 1958 21.00 1959 30.00 1960 19.00 1961 38.00 1962 23.00 1963 15.00 1964 18.00 1965 18.00 1966 40.00 1967 36.00 1968 35.00 1969 29.00 1970 40.00
2021-11-25 13:31:00
1474
2
原创 opencv-python控制笔记本摄像头
安装opencv-pythonpip install opencv-python开启线程import cv2import threadingclass cameraThread(threading.Thread): def __init__(self): super().__init__() self.working = True self.cap = cv2.VideoCapture(0) self.cap.set
2021-09-05 21:59:32
309
原创 python实现车牌识别
原始图象代码from hyperlpr import HyperLPR_plate_recognitionimport cv2from PIL import ImageFont, ImageDraw, Imageimport numpy as npimage = cv2.imread("car.jpg")#读入图片result=HyperLPR_plate_recognition(image)#识别车牌plate = result[0][0...
2021-09-05 21:24:02
15965
8
原创 面板模型在python上的实现
背景 有一份城镇GDP相关的数据，共有9个地区分别11年（2008~2018）的数据，无缺失数据因而为9*11=99个样本。数据中包括X1(城乡居民年末储蓄存款), X2(年末常住人口), X3(城镇化率), X4(教育支出)共4个自变量，因变量为GDP。现希望研究4个自变量对于GDP的影响情况。以及数据值较大，为防止异方差问题因而进行过取对数处理。 理论 面板模型可继续分为三种类型，分别是FE模型，POOL模型(就是普通的OLS回归)和RE模型。最终应...
2021-07-28 22:26:06
4429
1
原创 SPEI干旱指数和ETo潜在蒸散量计算在python上的实现
1、计算公式2、输入数据3、需求计算每个站点的spei和ETo以及按年、季节、月统计每个站点的干旱等级、干旱湿润指标统计等4、结果代码
2021-04-30 17:11:16
8519
15
原创 霜期计算在python上的实现
1、霜期定义初霜日：7月1日向后日最低气温第一个小于0°C的日序终霜日：7月1日向前日最低气温第一个小于0°C的日序霜期：初霜日到下一年终霜日的天数无霜期：365或366减去霜期霜期负积温天数：霜期内日平均气温小于0°C天数霜期负积温之和：霜期内日平均气温小于0°C温度之和2、数据每个站点的日最低气温和日平均气温数据。3、需求统计每个站点每年的初霜日、终霜日、霜期、无霜期、霜期负积温天数、霜期负积温之和。4、统计结果...
2021-04-30 10:17:47
1200
原创 风蚀侵蚀力计算在python上的实现
1、风蚀侵蚀力计算日尺度 （i=1—365）Wi是高空2m风速，10m风速转换如下： ET0是潜在蒸发，P是日降水量月尺度 （i=1—12）Wi是i月平均2m风速，ET0i是i月潜在蒸散发之和，Pi是i月降水和,di是第i月对应...
2021-04-29 17:31:20
1308
5
原创 降雨量侵蚀计算在python上的实现
1、降雨量侵蚀计算以大于10mm的降雨量侵蚀为例：3-11月用以下公式计算 n是第n年，m是日降雨大于10mm的天数，Pi是日降雨大于10mm降雨量。1、2、12月用以下公式计算 n是第n年，k是日降雨大于10mm的天数，Pj...
2021-04-29 16:19:04
837
1
原创 热浪寒浪统计在python上的实现
1、热浪寒浪定义及输出根据多年每日数据计算每日的多年平均值； 对每日多年平均值进行15日滑动平均； 对滑动平均后的每日多年平均值求10%和90%分位数； 利用每年的5-9月的Tmax与90%分位数作对比，如大于90%分位数则标记为1（hot day），输出热浪的（1）SDHD(开始)、（2）EDHD(结束)、（3）FHD(次数)、（4）LHD(长度)、（5）IHD(强度)，强度计算公式：|I-I90%|/ I90%，I为每天的温度，I90%是每日多年平均值的90%分位数、（6）FHW (热浪次数)
2021-04-29 13:57:22
2525
8
原创 寒潮统计在python上的实现
1、寒潮定义普通寒潮使某地的日最低气温：10°C ＞24小时内降温幅度≥8°C，或12°C ＞48小时内降温幅度≥10°C，或14°C ＞72小时内降温幅度≥12°C，而且使该地2°C＜日最低气温≤4°C的冷空气活动。强寒潮使某地的日最低气温：12°C ＞24小时内降温幅度≥10°C，或14°C ＞48小时内降温幅度≥12°C，或16°C ＞72小时内降温幅度≥14°C，而且使该地0°C＜日最低气温≤2°C的冷空气活动。超强寒潮使某地的日最..
2021-04-29 11:04:58
779
原创 气候数据处理代码实现
案例根据站点降雨量日数据求月总降雨量、年总降雨量、月降雨天数、年降雨天数等。数据部分数据如下：统计结果python代码
2021-01-24 22:30:45
1178
2
原创 TEPW-MK在matlab上的实现
原理案例部分数如下：时间 春季 夏季 秋季 冬季 1960 14.97 26.04 17.44 4.95 1961 15.37 27.00 18.14 4.91 1962 14.31 25.96 16.89 4.76 1963 15.22 25.85 17.54 3.63 1964 15.36 25.93 17.42 3.94
2020-12-25 14:27:29
916
1
原创 偏相关分析在matlab上的实现
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-12-19 14:38:20
4849
2
原创 python日期相减（秒、小时、天、月、年）
python代码import datetimetoday=datetime.datetime.now()datetime1=today-datetime.timedelta(seconds=10)#减10秒datetime2=today-datetime.timedelta(minutes=10)#减10分钟datetime3=today-datetime.timedelta(hours=1)#减1小时datetime4=today-datetime.timedelta(days=7)#减1
2020-12-07 16:35:48
16519
2
原创 二分类模型评估指标
二分类问题最终结果分类可以用混淆矩阵表示为： 预测 0 1 实际 0 a b 1 c d 其中，a表示预测为0中预测对的样本个数；b表示预测为1中预测错的样本个数；c表示预测为0中预测错的样本个数；d表示预测为1中预测对的样本个数。 则： 准确率=(a+d)/(a+b+c+d) 召回率(覆盖率)=d/(c+d)，召回率是重要的指标，如果分类...
2020-10-04 16:20:08
1246
原创 no matching distribution found for XXX 或 read timed out解决办法
以装pip install py4j为例，报错如下解决办法：更换国内镜像源，超时也可用该方法pip install py4j--default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple国内一些镜像源：阿里云http://mirrors.aliyun.com/pypi/simple/中国科技大学https://pypi.mirrors.ustc.edu.cn/simple/豆瓣(douban)http:/...
2020-07-22 16:35:37
8563
1
原创 pandas实现多行合并一行、一行拆分多行
多行合并一行import pandas as pd#构造数据data=pd.DataFrame({'id':[1,1,2,2],'品牌':['A','B','C','D']})#合并数据data_new=data.groupby(['id'])['品牌'].apply(list).to_frame()data_new['品牌']=data_new['品牌'].apply(lambda x:str(x).replace('[','').replace(']',''))合并前合并后
2020-07-03 15:04:39
18569
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人