Python FFT & IFFT
FFT 解析による豪ドル/円予測
ここまでで、豪ドル/円チャ－トロ－ソク足表示 プログラムの確認が終わりました。
引き続き、このロ－ソク足表示にロ－パス処理後の IFFT 結果を重ねて表示します。
必要なのは、
FFT解析計算 及び
FFT解析結果表示
を挿入することです。
FFT解析計算挿入
FFT解析計算において必要となるのは
豪ドル/円 CSV デ－タ FFT 解析
のなかの次の部分です。
Python FFT 解析準備
Close0 = xl_df["終値(売り)"].values
app = Close0[-1:]
app1 = np.hstack((app, app, app, app, app))
Close1 = np.hstack((Close0, app1))
cent = np.average(Close1)
Close2 = Close1 - cent
フーリエ変換(FFT)の実行
f = np.fft.fft(Close2) # フーリエ変換(FFT)
ロ－パスフィルタのカットオフを決める
fc = 10 # cut off freq.
f[fc:] = 0 # low pass filter
f_abs = np.abs(f)
逆フーリエ変換(IFFT)の実行
f_ifft = np.fft.ifft(f*2)
f_real = f_ifft.real # 実数部のみにする
ロ－パス処理後の IFFT 結果を重ねて表示
後は、ロ－ソク足にロ－パス処理後の IFFT 結果を重ねて表示 します。
f_ifft_sht = f_real + cent
Idx5 = Idx[-5:] + 5
plt.plot(
Idx, f_ifft_sht[:-5],
Idx5, f_ifft_sht[-5:],'bo')
予測日/予測値の一覧表作成
引き続き、予測日とその予測値の一覧表をつくるための CSV ファイルを作成します。
FFT 解析による豪ドル/円予測ファイル si_fft_filter-go-02.py ファイルにおいて
その予測日は
lastday[0]
その予測値は
f_ifft_sht[-5:]
に５日分のデ－タがあります。
よって、この二つの配列を一緒にして CSV ファイルにすることができれば
｢予測日/予測値 一覧｣
にすることができます。
このあたりのことは予測最終日取得
が参考になります。
予測日/予測値の配列を合体
２つの配列を pandas concat 関数を使用して横(列)方向へ連結することにします。
まずは、それぞれの配列を DataFrame 型に変換します。
これで、pandas で操作することが可能になりました。
import pandas as pd
lastday_pd = pd.DataFrame(lastday[0])
f_ifft_sht_pd = pd.DataFrame(f_ifft_sht[-5:])
この２つを pandas concat 関数で横(列)方向へ連結します。
横(列)方向指定 axis = 1 を忘れないでください。
df_concat-f = pd.concat([lastday_pd, f_ifft_sht_pd], axis = 1)
これを csv ファイルとして保存します。
保存するファイルフォルダ名は絶対パスで指定します。
そして、header=False, index=False
としてヘッダとインデックスは保存なしとします。
df_concat-f.to_csv('/home/yamada/public_html/manep-img/mane_chart_go-f.csv', header=False,index=False)
FFT 解析による豪ドル/円予測ファイルまとめ
ここまでをまとめると、豪ドル/円予測ファイルは以下のようになります。
#!/usr/bin/python3
# -*- coding: utf-8 -*-
import datetime
def addBusinessDays(from_date, add_days):
cur_date8 = [] # 21/03/30
cur_date4 = [] # 3/30
business_days_to_add = add_days
current_date = from_date
while business_days_to_add > 0:
current_date += datetime.timedelta(days=1)
weekday = current_date.weekday()
if weekday >= 5: # sunday = 6
continue
#土日は以下はスキップ
# 年/月/日として文字列にする
#例 21/03/30
e11 = current_date.strftime("%y/%m/%d")
e22 = e11.replace("/0", "/")
e33 = e22[3:] # 21/ 削除
cur_date8.append(e22)
cur_date4.append(e33)
business_days_to_add -= 1
return cur_date8, cur_date4
import pandas as pd
import numpy as np
from datetime import datetime as dt
import matplotlib.pyplot as plt
from mplfinance.original_flavor import candlestick_ohlc
xl_df = pd.read_csv("/home/yasuhiro/public_html/manep/mane_chart_go.csv", encoding="cp932")
Open = xl_df["始値(売り)"].values
High = xl_df["高値(売り)"].values
Low = xl_df["安値(売り)"].values
Date = xl_df["日付"].values
Idx = xl_df.index
tstr = Date[-1]
tdatetime = dt.strptime(tstr, '%Y/%m/%d %H:%M:%S')
# 文字列をdatetimeに変換するのがstrptime()関数
# datetime.datetime.strptime(文字列, 書式指定文字列)
lastday = addBusinessDays(tdatetime, 5)
xDate = []
xD = []
for i, key in enumerate(Date):
if(i % 10 == 0):
e4 = str(key)[4:10]
e6 = e4.replace("/0", "/")
e8 = e6.lstrip("/")
xDate.append(e8)
xD.append(i)
xDate.append(lastday[1][4])
xD.append(i + 5)
# FFT解析計算はここに挿入
Close0 = xl_df["終値(売り)"].values
app = Close0[-1:]
app1 = np.hstack((app, app, app, app, app))
Close1 = np.hstack((Close0, app1))
cent = np.average(Close1)
Close2 = Close1 - cent
f = np.fft.fft(Close2) # フーリエ変換(FFT)
fc = 10 # cut off freq.
f[fc:] = 0 # low pass filter
f_abs = np.abs(f)
f_ifft = np.fft.ifft(f*2)
f_real = f_ifft.real # 実数部のみにする
ohlc = zip(
Idx, Open, High, Low, Close0)
fig = plt.figure(
figsize=(8.34, 5.56)) #③
# python スクリプトと Jupyter とでは、
# matplotlib の図のサイズが違うので注意
ax = fig.add_subplot(1,1,1) #④
ax.grid()
# FFT解析結果表示はここに挿入
f_ifft_sht = f_real + cent
Idx5 = Idx[-5:] + 5
plt.plot(
Idx, f_ifft_sht[:-5],
Idx5, f_ifft_sht[-5:],'bo')
candlestick_ohlc(
ax, ohlc, width=0.5, alpha = 1,
colorup='r', colordown='g')
plt.xticks(xD, xDate)
plt.title('AUS$ / JPY chart')
plt.xlabel('Date')
plt.ylabel('Yen')
# plt.show()
plt.savefig(
'/home/yamada/public_html/manep-img/mane_chart_go-fil.png')
# pandas concat 関数で横(列)方向へ連結する、axis=1 を忘れないこと
lastday_pd = pd.DataFrame(lastday[0])
f_ifft_sht_pd = pd.DataFrame(f_ifft_sht[-5:])
df_concat = pd.concat([lastday_pd, f_ifft_sht_pd], axis = 1)
print(df_concat)
df_concat.to_csv(
'/home/yamada/public_html/manep-img/mane_chart_go-fil.csv', header=False, index=False)
本内容を TeraPad 等で作成したら、ファイル名を適当に
si_fft_filter-go-02.py
として保存します。
文字コ－ドは、UTF-8N
BOM なし
改行コ－ドは、LF
です。
保存先はホスト Wimdows OS の 共有フォルダ c:\vb_public_html にして、
ブラウザでアクセスできるようにします。
なお、
c:\vb_public_html
はゲスト OS Ubuntu のなかの
/home/yamada/public_html
とリンクしていて共有フォルダの関係にあります。
詳細は
ユ－ザ－ごとの公開ディレクトリを用意する
を読んでみてください。
ここまでで、豪ドル/円チャ－トロ－ソク足表示 プログラムが完成しました。
引き続き、si_fft_filter-go-02.py ファイルの動作確認をします。