moved things to a new place !

market_trade/core/trandeVoter.py

@@ -0,0 +1,83 @@
+import pandas as pd
+import datetime
+import numpy as np
+#import random
+
+class trandeVoter():
+    
+    def __init__(self,name):
+       
+        self.name = name # просто имя
+        self.trandeValuesList = ['up','none','down'] #словарь трегдов
+        self.matrixAmounts = None # матрица сумм
+        self.keysMatrixAmounts = None #ключи матрицы сумм, техническое поле
+        self.matrixProbability = None # матрица вероятностей
+        
+    
+    #функция которая создает df с заданным набором колонок и индексов. индексы - уникальные соотношения 
+    def createDFbyNames(self, namesIndex, namesColoms,defaultValue=0.0):
+        df = pd.DataFrame(dict.fromkeys(namesColoms, [defaultValue]*pow(3,len(namesIndex))),
+                          index=pd.MultiIndex.from_product([self.trandeValuesList]*len(namesIndex), names=namesIndex)
+                            #,columns=namesColoms
+                        )
+        return(df)
+    
+    #создание матрицы сумм с дефолтным значением
+    def createMatrixAmounts(self,namesIndex: list) -> pd.DataFrame():
+        self.matrixAmounts = self.createDFbyNames(namesIndex,self.trandeValuesList,0)
+        self.keysMatrixAmounts = self.matrixAmounts.to_dict('tight')['index_names']
+        self.createMatrixProbability(namesIndex)
+        return(self.matrixAmounts)
+    
+    #создание матрицы вероятностей с дефолтным значением
+    def createMatrixProbability(self,namesIndex: list) -> pd.DataFrame():
+        self.matrixProbability = self.createDFbyNames(namesIndex,self.trandeValuesList)
+        return(self.matrixProbability)
+    
+    #установка значений в матрицы сумм. signalDecisions - значения индикаторов key:value; trande - реальное значение
+    def setDecisionBySignals(self,signalDecisions: dict,trande: str) -> None:
+        buff=[]
+        for i in self.keysMatrixAmounts:
+            buff.append(signalDecisions[i])
+        self.matrixAmounts.loc[tuple(buff),trande] += 1
+        
+    #заполнение матрицы вероятностей вычисляемыми значениями из матрицы сумм
+    def generateMatrixProbability(self) -> None:
+        for i in range(self.matrixAmounts.shape[0]):
+            rowSum=sum(self.matrixAmounts.iloc[i])
+            self.matrixProbability.iloc[i]['up'] = (self.matrixAmounts.iloc[i]['up'] / rowSum)
+            self.matrixProbability.iloc[i]['none'] = self.matrixAmounts.iloc[i]['none'] / rowSum
+            self.matrixProbability.iloc[i]['down'] = self.matrixAmounts.iloc[i]['down'] / rowSum
+
+    #получение рещения из матрицы вероятностей по заданным значениям сигналов
+    def getDecisionBySignals(self,signalDecisions: dict) -> dict:
+        ans = {}
+        spliceSearch =self.matrixProbability.xs(tuple(signalDecisions.values()),
+                                                       level=list(signalDecisions.keys())
+                                                      ) 
+        ans['probability'] = spliceSearch.to_dict('records')[0]
+        ans['trande'] = spliceSearch.iloc[0].idxmax()
+        return ans
+    
+    #получение матриц вероятностей и суммы в видей словарей
+    def getMatrixDict(self) -> dict:
+        ans={}
+        ans['amounts'] = self.matrixAmounts.to_dict('tight')
+        ans['probability'] = self.matrixProbability.to_dict('tight')
+        return ans
+    
+    #установка матриц вероятностей и суммы в видей словарей
+    def setMatrixDict(self,matrixDict: dict) -> dict:
+        if matrixDict['amounts'] != None:
+            self.matrixAmounts = pd.DataFrame.from_dict(y['amounts'], orient='tight')
+        if matrixDict['probability'] != None:
+            self.matrixProbability = pd.DataFrame.from_dict(y['probability'], orient='tight') 
+        
+        
+
+    
+    
+    
+    
+
+