linux端口聚合tema,量化工具TA-Lib 使用例子

最新推荐文章于 2024-03-14 09:41:08 发布
最新推荐文章于 2024-03-14 09:41:08 发布
阅读量361 收藏
点赞数
文章标签： linux端口聚合tema

转发自：http://30daydo.com/article/196

TA-Lib主要用来计算一些股市中常见的指标。 比如MACD，BOLL，均线等参数。

#-*-coding=utf-8-*-

import Tkinter as tk

from Tkinter import *

import ttk

import matplotlib.pyplot as plt

import numpy as np

import talib as ta

series = np.random.choice([1, -1], size=200)

close = np.cumsum(series).astype(float)

# 重叠指标

def overlap_process(event):

print(event.widget.get())

overlap = event.widget.get()

upperband, middleband, lowerband = ta.BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)

fig, axes = plt.subplots(2, 1, sharex=True)

ax1, ax2 = axes[0], axes[1]

axes[0].plot(close, '', markersize=3)

axes[0].plot(upperband, '')

axes[0].plot(middleband, '')

axes[0].plot(lowerband, '')

axes[0].set_title(overlap, fontproperties="SimHei")

if overlap == '布林线':

pass

elif overlap == '双指数移动平均线':

real = ta.DEMA(close, timeperiod=30)

axes[1].plot(real, '')

elif overlap == '指数移动平均线 ':

real = ta.EMA(close, timeperiod=30)

axes[1].plot(real, '')

elif overlap == '希尔伯特变换——瞬时趋势线':

real = ta.HT_TRENDLINE(close)

axes[1].plot(real, '')

elif overlap == '考夫曼自适应移动平均线':

real = ta.KAMA(close, timeperiod=30)

axes[1].plot(real, '')

elif overlap == '移动平均线':

real = ta.MA(close, timeperiod=30, matype=0)

axes[1].plot(real, '')

elif overlap == 'MESA自适应移动平均':

mama, fama = ta.MAMA(close, fastlimit=0, slowlimit=0)

axes[1].plot(mama, '')

axes[1].plot(fama, '')

elif overlap == '变周期移动平均线':

real = ta.MAVP(close, periods, minperiod=2, maxperiod=30, matype=0)

axes[1].plot(real, '')

elif overlap == '简单移动平均线':

real = ta.SMA(close, timeperiod=30)

axes[1].plot(real, '')

elif overlap == '三指数移动平均线(T3)':

real = ta.T3(close, timeperiod=5, vfactor=0)

axes[1].plot(real, '')

elif overlap == '三指数移动平均线':

real = ta.TEMA(close, timeperiod=30)

axes[1].plot(real, '')

elif overlap == '三角形加权法 ':

real = ta.TRIMA(close, timeperiod=30)

axes[1].plot(real, '')

elif overlap == '加权移动平均数':

real = ta.WMA(close, timeperiod=30)

axes[1].plot(real, '')

plt.show()

# 动量指标

def momentum_process(event):

print(event.widget.get())

momentum = event.widget.get()

upperband, middleband, lowerband = ta.BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)

fig, axes = plt.subplots(2, 1, sharex=True)

ax1, ax2 = axes[0], axes[1]

axes[0].plot(close, '', markersize=3)

axes[0].plot(upperband, '')

axes[0].plot(middleband, '')

axes[0].plot(lowerband, '')

axes[0].set_title(momentum, fontproperties="SimHei")

if momentum == '绝对价格振荡器':

real = ta.APO(close, fastperiod=12, slowperiod=26, matype=0)

axes[1].plot(real, '')

elif momentum == '钱德动量摆动指标':

real = ta.CMO(close, timeperiod=14)

axes[1].plot(real, '')

elif momentum == '移动平均收敛/散度':

macd, macdsignal, macdhist = ta.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)

axes[1].plot(macd, '')

axes[1].plot(macdsignal, '')

axes[1].plot(macdhist, '')

elif momentum == '带可控MA类型的MACD':

macd, macdsignal, macdhist = ta.MACDEXT(close, fastperiod=12, fastmatype=0, slowperiod=26, slowmatype=0, signalperiod=9, signalmatype=0)

axes[1].plot(macd, '')

axes[1].plot(macdsignal, '')

axes[1].plot(macdhist, '')

elif momentum == '移动平均收敛/散度 固定 12/26':

macd, macdsignal, macdhist = ta.MACDFIX(close, signalperiod=9)

axes[1].plot(macd, '')

axes[1].plot(macdsignal, '')

axes[1].plot(macdhist, '')

elif momentum == '动量':

real = ta.MOM(close, timeperiod=10)

axes[1].plot(real, '')

elif momentum == '比例价格振荡器':

real = ta.PPO(close, fastperiod=12, slowperiod=26, matype=0)

axes[1].plot(real, '')

elif momentum == '变化率':

real = ta.ROC(close, timeperiod=10)

axes[1].plot(real, '')

elif momentum == '变化率百分比':

real = ta.ROCP(close, timeperiod=10)

axes[1].plot(real, '')

elif momentum == '变化率的比率':

real = ta.ROCR(close, timeperiod=10)

axes[1].plot(real, '')

elif momentum == '变化率的比率100倍':

real = ta.ROCR100(close, timeperiod=10)

axes[1].plot(real, '')

elif momentum == '相对强弱指数':

real = ta.RSI(close, timeperiod=14)

axes[1].plot(real, '')

elif momentum == '随机相对强弱指标':

fastk, fastd = ta.STOCHRSI(close, timeperiod=14, fastk_period=5, fastd_period=3, fastd_matype=0)

axes[1].plot(fastk, '')

axes[1].plot(fastd, '')

elif momentum == '三重光滑EMA的日变化率':

real = ta.TRIX(close, timeperiod=30)

axes[1].plot(real, '')

plt.show()

# 周期指标

def cycle_process(event):

print(event.widget.get())

cycle = event.widget.get()

upperband, middleband, lowerband = ta.BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)

fig, axes = plt.subplots(2, 1, sharex=True)

ax1, ax2 = axes[0], axes[1]

axes[0].plot(close, '', markersize=3)

axes[0].plot(upperband, '')

axes[0].plot(middleband, '')

axes[0].plot(lowerband, '')

axes[0].set_title(cycle, fontproperties="SimHei")

if cycle == '希尔伯特变换——主要的循环周期':

real = ta.HT_DCPERIOD(close)

axes[1].plot(real, '')

elif cycle == '希尔伯特变换,占主导地位的周期阶段':

real = ta.HT_DCPHASE(close)

axes[1].plot(real, '')

elif cycle == '希尔伯特变换——相量组件':

inphase, quadrature = ta.HT_PHASOR(close)

axes[1].plot(inphase, '')

axes[1].plot(quadrature, '')

elif cycle == '希尔伯特变换——正弦曲线':

sine, leadsine = ta.HT_SINE(close)

axes[1].plot(sine, '')

axes[1].plot(leadsine, '')

elif cycle == '希尔伯特变换——趋势和周期模式':

integer = ta.HT_TRENDMODE(close)

axes[1].plot(integer, '')

plt.show()

# 统计功能

def statistic_process(event):

print(event.widget.get())

statistic = event.widget.get()

upperband, middleband, lowerband = ta.BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)

fig, axes = plt.subplots(2, 1, sharex=True)

ax1, ax2 = axes[0], axes[1]

axes[0].plot(close, '', markersize=3)

axes[0].plot(upperband, '')

axes[0].plot(middleband, '')

axes[0].plot(lowerband, '')

axes[0].set_title(statistic, fontproperties="SimHei")

if statistic == '线性回归':

real = ta.LINEARREG(close, timeperiod=14)

axes[1].plot(real, '')

elif statistic == '线性回归角度':

real = ta.LINEARREG_ANGLE(close, timeperiod=14)

axes[1].plot(real, '')

elif statistic == '线性回归截距':

real = ta.LINEARREG_INTERCEPT(close, timeperiod=14)

axes[1].plot(real, '')

elif statistic == '线性回归斜率':

real = ta.LINEARREG_SLOPE(close, timeperiod=14)

axes[1].plot(real, '')

elif statistic == '标准差':

real = ta.STDDEV(close, timeperiod=5, nbdev=1)

axes[1].plot(real, '')

elif statistic == '时间序列预测':

real = ta.TSF(close, timeperiod=14)

axes[1].plot(real, '')

elif statistic == '方差':

real = ta.VAR(close, timeperiod=5, nbdev=1)

axes[1].plot(real, '')

plt.show()

# 数学变换

def math_transform_process(event):

print(event.widget.get())

math_transform = event.widget.get()

upperband, middleband, lowerband = ta.BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)

fig, axes = plt.subplots(2, 1, sharex=True)

ax1, ax2 = axes[0], axes[1]

axes[0].plot(close, '', markersize=3)

axes[0].plot(upperband, '')

axes[0].plot(middleband, '')

axes[0].plot(lowerband, '')

axes[0].set_title(math_transform, fontproperties="SimHei")

if math_transform == '反余弦':

real = ta.ACOS(close)

axes[1].plot(real, '')

elif math_transform == '反正弦':

real = ta.ASIN(close)

axes[1].plot(real, '')

elif math_transform == '反正切':

real = ta.ATAN(close)

axes[1].plot(real, '')

elif math_transform == '向上取整':

real = ta.CEIL(close)

axes[1].plot(real, '')

elif math_transform == '余弦':

real = ta.COS(close)

axes[1].plot(real, '')

elif math_transform == '双曲余弦':

real = ta.COSH(close)

axes[1].plot(real, '')

elif math_transform == '指数':

real = ta.EXP(close)

axes[1].plot(real, '')

elif math_transform == '向下取整':

real = ta.FLOOR(close)

axes[1].plot(real, '')

elif math_transform == '自然对数':

real = ta.LN(close)

axes[1].plot(real, '')

elif math_transform == '常用对数':

real = ta.LOG10(close)

axes[1].plot(real, '')

elif math_transform == '正弦':

real = ta.SIN(close)

axes[1].plot(real, '')

elif math_transform == '双曲正弦':

real = ta.SINH(close)

axes[1].plot(real, '')

elif math_transform == '平方根':

real = ta.SQRT(close)

axes[1].plot(real, '')

elif math_transform == '正切':

real = ta.TAN(close)

axes[1].plot(real, '')

elif math_transform == '双曲正切':

real = ta.TANH(close)

axes[1].plot(real, '')

plt.show()

# 数学操作

def math_operator_process(event):

print(event.widget.get())

math_operator = event.widget.get()

upperband, middleband, lowerband = ta.BBANDS(close, timeperiod=5, nbdevup=2, nbdevdn=2, matype=0)

fig, axes = plt.subplots(2, 1, sharex=True)

ax1, ax2 = axes[0], axes[1]

axes[0].plot(close, '', markersize=3)

axes[0].plot(upperband, '')

axes[0].plot(middleband, '')

axes[0].plot(lowerband, '')

axes[0].set_title(math_operator, fontproperties="SimHei")

if math_operator == '指定的期间的最大值':

real = ta.MAX(close, timeperiod=30)

axes[1].plot(real, '')

elif math_operator == '指定的期间的最大值的索引':

integer = ta.MAXINDEX(close, timeperiod=30)

axes[1].plot(integer, '')

elif math_operator == '指定的期间的最小值':

real = ta.MIN(close, timeperiod=30)

axes[1].plot(real, '')

elif math_operator == '指定的期间的最小值的索引':

integer = ta.MININDEX(close, timeperiod=30)

axes[1].plot(integer, '')

elif math_operator == '指定的期间的最小和最大值':

min, max = ta.MINMAX(close, timeperiod=30)

axes[1].plot(min, '')

axes[1].plot(max, '')

elif math_operator == '指定的期间的最小和最大值的索引':

minidx, maxidx = ta.MINMAXINDEX(close, timeperiod=30)

axes[1].plot(minidx, '')

axes[1].plot(maxidx, '')

elif math_operator == '合计':

real = ta.SUM(close, timeperiod=30)

axes[1].plot(real, '')

plt.show()

root = tk.Tk()

# 第一行：重叠指标

rowframe1 = tk.Frame(root)

rowframe1.pack(side=tk.TOP, ipadx=3, ipady=3)

tk.Label(rowframe1, text="重叠指标").pack(side=tk.LEFT)

overlap_indicator = tk.StringVar() # 重叠指标

combobox1 = ttk.Combobox(rowframe1, textvariable=overlap_indicator)

combobox1['values'] = ['布林线','双指数移动平均线','指数移动平均线 ','希尔伯特变换——瞬时趋势线',

'考夫曼自适应移动平均线','移动平均线','MESA自适应移动平均','变周期移动平均线',

'简单移动平均线','三指数移动平均线(T3)','三指数移动平均线','三角形加权法 ','加权移动平均数']

combobox1.current(0)

combobox1.pack(side=tk.LEFT)

combobox1.bind('<>', overlap_process)

# 第二行：动量指标

rowframe2 = tk.Frame(root)

rowframe2.pack(side=tk.TOP, ipadx=3, ipady=3)

tk.Label(rowframe2, text="动量指标").pack(side=tk.LEFT)

momentum_indicator = tk.StringVar() # 动量指标

combobox2 = ttk.Combobox(rowframe2, textvariable=momentum_indicator)

combobox2['values'] = ['绝对价格振荡器','钱德动量摆动指标','移动平均收敛/散度','带可控MA类型的MACD',

'移动平均收敛/散度 固定 12/26','动量','比例价格振荡器','变化率','变化率百分比',

'变化率的比率','变化率的比率100倍','相对强弱指数','随机相对强弱指标','三重光滑EMA的日变化率']

combobox2.current(0)

combobox2.pack(side=tk.LEFT)

combobox2.bind('<>', momentum_process)

# 第三行：周期指标

rowframe3 = tk.Frame(root)

rowframe3.pack(side=tk.TOP, ipadx=3, ipady=3)

tk.Label(rowframe3, text="周期指标").pack(side=tk.LEFT)

cycle_indicator = tk.StringVar() # 周期指标

combobox3 = ttk.Combobox(rowframe3, textvariable=cycle_indicator)

combobox3['values'] = ['希尔伯特变换——主要的循环周期','希尔伯特变换——主要的周期阶段','希尔伯特变换——相量组件',

'希尔伯特变换——正弦曲线','希尔伯特变换——趋势和周期模式']

combobox3.current(0)

combobox3.pack(side=tk.LEFT)

combobox3.bind('<>', cycle_process)

# 第四行：统计功能

rowframe4 = tk.Frame(root)

rowframe4.pack(side=tk.TOP, ipadx=3, ipady=3)

tk.Label(rowframe4, text="统计功能").pack(side=tk.LEFT)

statistic_indicator = tk.StringVar() # 统计功能

combobox4 = ttk.Combobox(rowframe4, textvariable=statistic_indicator)

combobox4['values'] = ['贝塔系数；投资风险与股市风险系数','皮尔逊相关系数','线性回归','线性回归角度',

'线性回归截距','线性回归斜率','标准差','时间序列预测','方差']

combobox4.current(0)

combobox4.pack(side=tk.LEFT)

combobox4.bind('<>', statistic_process)

# 第五行：数学变换

rowframe5 = tk.Frame(root)

rowframe5.pack(side=tk.TOP, ipadx=3, ipady=3)

tk.Label(rowframe5, text="数学变换").pack(side=tk.LEFT)

math_transform = tk.StringVar() # 数学变换

combobox5 = ttk.Combobox(rowframe5, textvariable=math_transform_process)

combobox5['values'] = ['反余弦','反正弦','反正切','向上取整','余弦','双曲余弦','指数','向下取整',

'自然对数','常用对数','正弦','双曲正弦','平方根','正切','双曲正切']

combobox5.current(0)

combobox5.pack(side=tk.LEFT)

combobox5.bind('<>', math_transform_process)

# 第六行：数学操作

rowframe6 = tk.Frame(root)

rowframe6.pack(side=tk.TOP, ipadx=3, ipady=3)

tk.Label(rowframe6, text="数学操作").pack(side=tk.LEFT)

math_operator = tk.StringVar() # 数学操作

combobox6 = ttk.Combobox(rowframe6, textvariable=math_operator_process)

combobox6['values'] = ['指定期间的最大值','指定期间的最大值的索引','指定期间的最小值','指定期间的最小值的索引',

'指定期间的最小和最大值','指定期间的最小和最大值的索引','合计']

combobox6.current(0)

combobox6.pack(side=tk.LEFT)

combobox6.bind('<>', math_operator_process)

root.mainloop()

毡巴
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
tera term 使用方法_不同文本向量化方法应用于聚类任务效果对比-再论文本向量化不靠谱...
weixin_39612220的博客
11-26 256
如果基于word2vec，transformer真的那么成功，那么在聚类上的表现应该也很突出才对，做了下边的聚类实验后，我们就知道为啥那些牛上天的模型都不做聚类评测任务的原因，因为效果实在拿不出手，如果聚类不行，那么分类也好不到哪儿去，全指着最后一层softmax分类，解决不了实质问题，那跟用逻辑回归有啥区别呢，速度还不行，给维度意义也不知道，如果嵌入表示真的那么行，那些利用矩阵分解做特征表示的方...
linux7端口聚合,centos7.6端口聚合教程亲测可用
weixin_31002509的博客
05-01 854
centos7.6关闭NetworkManager服务systemctl stop NetworkManagersystemctl disable NetworkManager这里我测试的是bond0编辑配置文件[[emailprotected] network-scripts]# cat ifcfg-bond0DEVICE=bond0BOOTPROTO=noneONBOOT=yesIPADDR...
linux下安装talib库
qq_42693848的博客
03-11 1643
最近使用到talib，发现还是比较难安装的，这里记录安装过程。
Linux下使用pip安装Ta-Lib库报错问题的解决办法
DLQ450的博客
12-02 356
pip直接安装talib库报错原因往往是因为未安装TA-Lib C库。
Linux系统和MACos终端如何安装ta-lib库？
KageYamaa的博客
03-14 520
在Linux和MacOS终端中，成功安装ta-lib
linux安装ta-lib
码世界
03-24 968
背景：linux直接pip安装ta-lib会不成功 作者环境：centos 6.5 ta-lib项目的github地址，里面有项目的安装说明，介绍，一手资料可以看看： https://github.com/mrjbq7/ta-lib 下面是我的安装方式： 先下载并编译ta-lib $ tar -xzf ta-lib-0.4.0-src.tar.gz $ cd ta-lib/ $ ./configure --prefix=/usr $ make $ sudo make instal.
Talib技术因子详解（二）
叶子的博客
07-10 3737
talib安装方式：pip install Ta-lib Tushare数据获取请参考：金融量化分析基础环境搭建 数据获取代码请参考：Talib技术因子详解（一） 11、SAR 阶段中点价格SAR指标又叫抛物线指标或停损转向操作点指标，调用方式如下： output = talib.SAR(high, low) （1）当股票股价从SAR曲线下方开始向上突破SAR曲线时，为买入信号，预示着股价一轮上升行情可能展开，投资者应迅速及时地买进股票。 （2）当股票股价向上突破SAR曲线后继续向上运动而SAR
tema--html-1
03-28
在"tema--html-1"这个项目中，我们可以深入学习HTML的基础结构、元素、属性以及如何构建一个基本的网页。 1. HTML基础结构：每个HTML文档都由<!DOCTYPE>声明开头，用来告知浏览器文档类型。接着是元素，它是所有...
Tema-1-IOCLA---PRINTF
03-18
标题 "Tema-1-IOCLA---PRINTF" 涉及的是C语言中的输入/输出控制和`printf`函数的使用。在这个主题中，我们将深入探讨C语言的基础I/O操作，特别是`printf`函数在格式化输出中的重要作用。 C语言是计算机科学中的一种...
Examen-tema1-4-django
02-12
网络电影| Temas 1-4 Ejercicios Propuestos 资料库和电视节目预告1封4 django de inteccsa的ssdfsfsdf nd迪斯 科莫库尔·埃斯特雷·库斯特 Creo el repo和github normal si novedad，en blanco。...
Tema-light-dark-com-React:练习React
05-10
总之，"Tema-light-dark-com-React"项目是一个实践React和JavaScript技能的好例子，它涵盖了组件化开发、状态管理和用户交互的基本概念，这些都是React开发中不可或缺的部分。通过学习和理解这个项目，你可以提升...
主题++「tema++」-crx插件
03-15
这给你新的能力，以字典，允许你使用主题，或者你可以根据自己的口味创建主题 主题++是一个发明，旨在使它更容易使用酸性字典。 主题++有几十个现成的主题和他们的颜色大小等。允许您根据自己的口味进行编辑。主题++...
talib函数功能一览表
VMLINUZ的专栏
04-06 4074
# 取个数据验证一下 set_token('') data = history(symbol = 'SHSE.600519',frequency = '1d',start_time = '2015-01-01',end_time = '2019-12-31',fields = 'open, high, low, close,amount,volume,eob',df = True) # 一、重叠研究（overlap studies） # 1.简单移动平均指标SMA # 参数说明：talib.SMA(a,.
talib计算指标
chenxiao17301的博客
11-12 6295
一、 Talib 注：每部分结尾都有该部分所有指标整理 1.1 Overlap Studies(重叠指标) 1.1.1 移动平均线 移动平均线是技术分析理论中应用最普遍的指标之一，主要用于确认、跟踪和判断趋势，提示买入和卖出信号，在单边市场行情中可以较好的把握市场机会和规避风险。但是，移动平均线一般要与其他的技术指标或基本面相结合来使用，特别是当市场处于盘整行情时，其买入卖出信号会频繁出现，容易失真。 通用函数名：MA 代码：ta.MA(close,timeperiod=30..
[量化指标]Ta-Lib指标详解与应用
te_sun的博客
08-08 4051
talib指标的解释、用法与理解
tushare+talib构造全套量化投资因子，不看后悔！！！
weixin_39559994的博客
07-20 5169
1. talib安装包下载 talib安装： pip 直接安装有问题建议直接下载whl文件安装 下载推荐使用加州大学的python扩展库，地址： https://www.lfd.uci.edu/~gohlke/pythonlibs/ 2、导入数据 import talib from talib import MA_Type import pandas as pd import numpy as np import tushare as ts # 使用tushare获取数据 ts.set_token(
TA-Lib介绍以及使用
木东的博客
02-04 6294
引言 TA-Lib，全称“Technical Analysis Library”, 即技术分析库，是Python金融量化的高级库，涵盖了150多种股票、期货交易软件中常用的技术分析指标，如MACD、RSI、KDJ、动量指标、布林带等等。TA-Lib可分为10个子板块：Overlap Studies(重叠指标)，Momentum Indicators(动量指标)，Volume Indicators(交易量指标)，Cycle Indicators(周期指标)，Price Transform(价格变换)，Vol
Linux安装ta-lib
czdsdhryes的博客
06-11 464
# 获取源码库 sudo wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz # 解压进入目录 tar -zxvf ta-lib-0.4.0-src.tar.gz cd ta-lib/ # 编译安装 sudo ./configure --prefix=/usr sudo make sudo make install # 重新安装python的TA-Lib库 pip install TA-Lib==0.4.16 #
AngularJs 中的简单益智游戏（带源代码）.zip
最新发布
08-08
项目：使用AngularJs编写的简单 益智游戏（附源代码）  这是一个简单的 javascript 项目。这是一个拼图游戏，也包含一个填字游戏。这个游戏玩起来很棒。有两个不同的版本可以玩这个游戏。你也可以玩填字游戏。 关于游戏 这款游戏的玩法很简单。如上所述，它包含拼图和填字游戏。您可以通过移动图像来玩滑动拼图。您还可以选择要在滑动面板中拥有的列数和网格数。 另一个是填字游戏。在这里你只需要找到浏览器左侧提到的那些单词。 要运行此游戏，您需要在系统上安装浏览器。下载并在代码编辑器中打开此项目。然后有一个 index.html 文件可供您修改。在命令提示符中运行该文件，或者您可以直接运行索引文件。使用 Google Chrome 或 FireFox 可获得更好的用户体验。此外，这是一款多人游戏，双方玩家都是人类。 这个游戏包含很多 JavaScript 验证。这个游戏很有趣，如果你能用一点 CSS 修改它，那就更好了。 总的来说，这个项目使用了很多 javascript 和 javascript 库。如果你可以添加一些具有不同颜色选项的级别，那么你一定可以利用其库来提高你的 javascript 技能。 演示： 该项目为国外大神项目，可以作为毕业设计的项目，也可以作为大作业项目，不用担心代码重复，设计重复等，如果需要对项目进行修改，需要具备一定基础知识。 注意：如果装有360等杀毒软件，可能会出现误报的情况，源码本身并无病毒，使用源码时可以关闭360，或者添加信任。
tema-2019列管下载
07-13
安装完成后，用户可以开始使用tema-2019进行主题个性化设置。tema-2019提供了丰富的主题、壁纸、图标和动态效果供用户选择，并支持自定义设置。用户可以浏览不同类别的主题，选择自己喜欢的样式，并将其应用到手机的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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