def __init__(self):
# Inicializamos todo:
# Variables de la clase
self.width = 800
self.height = 800
self.aspect = self.width / self.height
self.angulo = 0
self.window = 0
self.Sol = model.Modelo()
self.camara = camara.camara()
self.material = material.material()
self.foco = foco.foco()
self.planeta = planeta.planeta()
self.focos_configurados = False
self.mostrar_ejes = False
self.mostrar_orbitas = True
# Tamaño de los ejes y del alejamiento de Z.
self.tamanio = 40
self.z0 = 0
# Factor para el tamaño del modelo.
self.escalaGeneral = 0.001
# Rotacion de los modelos.
self.alpha = 0
self.beta = 0
# Variables para la gestion del ratón.
self.xold = 0
self.yold = 0
self.zoom = 1.0
# Vistas del Sistema Planetario.
# modelo.tipoVista iForma
self.iDibujo = 3
self.iFondo = 0
self.iForma = 6
soma += (autocor[i]**2) / (n - i)
Q = n * (n + 2) * soma
critical = chisq.ppf(conf, lagmax)
pval = 1 - chisq.cdf(Q, lagmax)
print("Região crítica: [{}, +Inf]\n \
Estatistica calculada: {}\n \
Valor-p: {}".format(critical, Q, pval))
return([Q, critical, pval])
if __name__ == '__main__':
import csv
import numpy as np
dat = []
fit = []
res = []
with open('airpass.txt', 'r') as arq:
x = csv.reader(arq)
for lin in x:
dat.append(lin[0])
fit.append(lin[1])
res.append(lin[2])
fit = np.array(fit[1:len(dat)], dtype=np.float)
res = np.array(res[1:len(dat)], dtype=np.float)
dat = np.array(dat[1:len(dat)], dtype=np.float)
np.set_printoptions(suppress=True)
import modelo
mod = modelo.Modelo(dat, p=2, d=1, q=1, transformation='log')
print(mod.phi, mod.the)
stats = ljungbox(mod)
import utilities
import modelo
import sys
try:
clf_filename = sys.argv[1]
except IndexError as error:
clf_filename = ""
# Help
if (clf_filename == ""):
print(
'You must be specify the model path, like: modelo/modeloEntrenado.pkl')
# clf_filename = "modelo/modeloEntrenado2.pkl" #Ubicacion del modelo entrenado
modelClass = modelo.Modelo()
cap = cv2.VideoCapture(1)
frameCount = 0 #contar el numero de frames
frames = utilities.Config.frames()
while True and clf_filename != "":
ret, frame = cap.read() #captura frame by frame
gray = cv2.cvtColor(frame,
cv2.COLOR_BGR2GRAY) #pasar el frame a escala de grises
ret, thresh_img = cv2.threshold(gray, 91, 255,
cv2.THRESH_BINARY_INV) #binarizar el frame
[fil, col] = gray.shape ##obtener las dimensiones del frame
ymargin = 150 ##un margen en y para el recuadro de enfoque
def __init__(self, data =None):
#Inicializamos todo:
self.im = Image.open("stars64.bmp")
self.d = np.array(self.im).reshape(-1,1)
self.im.close()
#Variables de la clase
self.width=800
self.height=800
self.aspect = self.width/self.height
self.angulo = 0
self.window=0
#**Cargamos Materiales**
self.materiales = data["materiales"]
self.NUM_MATERIALES = len(self.materiales)
for i in range (self.NUM_MATERIALES):
self.materialesCargados.append(material.Material(self.materiales[i]["luzambiente"], self.materiales[i]["luzspecular"], self.materiales[i]["luzdifusa"], self.materiales[i]["brillo"]))
print("&Material",i,"cargado desde JSON")
#**Cargar Astros**
numLunas=0
self.planetas = data["planetas"]
self.NUM_ASTROS = len(self.planetas)
#Aqui cargamos los datos en modelos y los guardamos en una lista llamada astros
for i in range(self.NUM_ASTROS):
if(self.planetas[i]["l"]=="n"):
numLunas=0
self.astros.append(model.Modelo(self.planetas[i], self.materialesCargados[i]))
print("&Planeta",i,"cargado desde JSON")
elif(self.planetas[i]["l"]=="l"):
numLunas+=1
self.astros[i-numLunas].addLuna(model.Modelo(self.planetas[i], self.materialesCargados[i]))
#self.lunas.append(model.Modelo(self.planetas[i], self.materialesCargados[i]))
print("&Luna",numLunas,"del planeta",self.astros[i-numLunas].nombre,"cargado desde JSON")
#**Cargar Camaras**
self.camaras = data["camaras"]
self.numCamaras = len(self.camaras)
#Cargamos las camaras de data en objetos Camara_Frustum
for i in range (self.numCamaras):
self.camarasCargadas.append(cf.Camera_Frustum(self.camaras[i]["ejex"], self.camaras[i]["ejey"], self.camaras[i]["ejez"],
self.camaras[i]["centrox"], self.camaras[i]["centroy"], self.camaras[i]["centroz"],
self.camaras[i]["upx"], self.camaras[i]["upy"], self.camaras[i]["upz"]))
print("&Camara",i,"cargada desde JSON")
#**Cargamos Focos**
self.focos = data["focos"]
self.NUM_FOCOS=len(self.focos)
for i in range (self.NUM_FOCOS):
self.focosCargados.append(foco.Foco(self.focos[i]["brillo"], self.focos[i]["luzdifusa"], self.focos[i]["luzambiente"], self.focos[i]["luzspecular"], self.focos[i]["posicion"]))
print("&Foco",i,"cargado desde JSON")
#Tamaño de los ejes y del alejamiento de Z.
self.tamanio=0
self.z0=0
#Factor para el tamaño del modelo.
self.escalaGeneral = 0.013
self.multiplicadorVelocidad = 15
#Rotacion de los modelos.
self.alpha=0
self.beta=0
#Variables para la gestion del ratón.
self.xold=0
self.yold=0
self.zoom=1.0
#Vistas del Sistema Planetario.
#modelo.tipoVista iForma
self.iDibujo=3
self.iFondo=0
self.iForma=6
self.iCamara=10
# Importando os pacotes
import modelo as mdl
import pandas as pd
import numpy as np
import socket
import pytz
from MetaTrader5 import *
from datetime import datetime
from sklearn.externals import joblib
rates_frame = pd.DataFrame()
modelo = mdl.Modelo()
# load the model
#model = joblib.load('modelo_rf_indice_easy.pkl')
# Obtem os dados do ultimo candle: time, open, close, high, low, volume
def getRatesFromMT5():
# Initializing MT5 connection
MT5Initialize()
MT5WaitForTerminal()
# Lendo dados do mercado
timezone = pytz.timezone("America/Sao_Paulo")
data = datetime.now(tz=timezone)
utc_from = datetime(data.year, data.month, data.day, data.hour, data.minute, tzinfo=timezone)
#utc_from = datetime(data.year, 4, 30, 17, 50, tzinfo=timezone)
rates = MT5CopyRatesFrom("WINM19", MT5_TIMEFRAME_M5, utc_from, 1)
MT5Shutdown()