BotVS开发基础—2.11 API绘制图表

代码

import time
chart = { 
    '__isStock': True,                                    # 标记是否为一般图表,有兴趣的可以改成 false 运行看看。
    'tooltip': {'xDateFormat': '%Y-%m-%d %H:%M:%S, %A'},  # 缩放工具
    'title':   {'text': '差价分析图'},                   # 标题
    'rangeSelector': {                                    # 选择范围
        'buttons': [{'type': 'hour', 'count': 1, 'text': '1h'}, 
                    {'type': 'hour', 'count': 3, 'text': '3h'}, 
                    {'type': 'hour', 'count': 8, 'text': '8h'}, 
                    {'type': 'all', 'text': 'All'}],
        'selected': 0,
        'inputEnabled': False
    },
    'xAxis': { 'type': 'datetime'},                       # 坐标轴横轴 即:x轴, 当前设置的类型是 :时间
    'yAxis': {                                            # 坐标轴纵轴 即:y轴, 默认数值随数据大小调整。
      'title': {'text': '差价'},                          # 标题
      'opposite': False,                                  # 是否启用右边纵轴
    },
    'series' : [                                          # 数据系列,该属性保存的是 各个 数据系列(线, K线图, 标签等..)
      {'name' : "line1", 'id' : "线1, buy1Price", 'data' : []},  # 索引为0, data 数组内存放的是该索引系列的 数据
      {'name' : "line2", 'id' : "线2, lastPrice", 'dashStyle' : 'shortdash', 'data' : []}, # 索引为1,设置了dashStyle : 'shortdash' 即:设置 虚线。
    ]
};
def main():
    global chart
    ObjChart = Chart(chart);        # 调用 Chart 函数,初始化 图表。
    ObjChart.reset();               # 清空
    while(true):
        nowTime = int(round(time.time() * 1000))   # 获取 毫秒 的时间戳 写入X轴。
        Log(nowTime)
        ticker = _C(exchange.GetTicker);  # 获取行情数据
        buy1Price = ticker.Buy;           # 从行情数据的返回值取得 买一价
        lastPrice = ticker.Last + 1;      # 取得最后成交价,为了2条线不重合在一起 ,我们加1
        ObjChart.add(0, [nowTime, buy1Price]); # 用时间戳作为X值, 买一价 作为Y值 传入 索引0 的数据序列。
        ObjChart.add(1, [nowTime, lastPrice]); # 同上。
        ObjChart.update(chart);                  # 更新图表以显示出来。
        Sleep(1000 * 60 * 5);

效果

 

转载于:https://www.cnblogs.com/fangbei/p/botvs-chart.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值