這期內(nèi)容當(dāng)中小編將會(huì)給大家?guī)?lái)有關(guān)Python Flask中的權(quán)限設(shè)置是怎樣的，文章內(nèi)容豐富且以專業(yè)的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
創(chuàng)新互聯(lián)專注于寶山網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠(chéng)為您提供寶山營(yíng)銷型網(wǎng)站建設(shè)，寶山網(wǎng)站制作、寶山網(wǎng)頁(yè)設(shè)計(jì)、寶山網(wǎng)站官網(wǎng)定制、重慶小程序開發(fā)公司服務(wù)，打造寶山網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供寶山網(wǎng)站排名全網(wǎng)營(yíng)銷落地服務(wù)。
我們?cè)O(shè)置了系統(tǒng)的注冊(cè)和登陸功能，已經(jīng)基本滿足了一個(gè)小型 Web 應(yīng)用的需求。如果我們想通過這個(gè)網(wǎng)站來(lái)賺些小錢呢，就需要提供更高級(jí)的功能，當(dāng)然這些高級(jí)功能不是免費(fèi)開放的，設(shè)計(jì)一個(gè)權(quán)限系統(tǒng)，來(lái)控制高級(jí)應(yīng)用的使用。
所謂的高級(jí)功能就是用戶舍得花錢去購(gòu)買的功能，像我這種喜歡薅羊毛的主，只配用用基礎(chǔ)功能了。
我這里設(shè)計(jì)的高級(jí)功能，就是豐富 K 線圖，在我們?cè)瓉?lái) K 線圖的基礎(chǔ)上添加移動(dòng)平均線和成交量。
移動(dòng)平均線
移動(dòng)平均線是技術(shù)分析中非常普遍的一項(xiàng)指標(biāo)，“平均”是指單位周期內(nèi)的平均收盤價(jià)格，“移動(dòng)”則是指將新的交易日收盤價(jià)納入計(jì)算周期的同時(shí)，剔除最早的交易收盤價(jià)。
我們先來(lái)觀察下通過 tushare 獲取到的數(shù)據(jù)
可以看到，數(shù)據(jù)中的 Ma5、Ma10 和 Ma20 值可以用來(lái)制作移動(dòng)平均線，可以通過折線圖的方式來(lái)展現(xiàn)。
重慶分公司
重慶分公司
import pyecharts.options as opts
from pyecharts.charts import Line
def moving_average() -> Line:
c = (
Line()
.add_xaxis(df.index.tolist())
.add_yaxis("Ma5", df['ma5'].values.tolist(), is_smooth=True)
.add_yaxis("Ma10", df['ma10'].values.tolist(), is_smooth=True)
.add_yaxis("Ma20", df['ma20'].values.tolist(), is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="移動(dòng)平均線"))
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
)
)
return c
moving_average().render_notebook()
成交量
對(duì)于成交量，可以通過柱狀圖來(lái)展示，柱狀圖的高度，就是成交量的大小。把上漲時(shí)的成交量顯示成紅色，下跌時(shí)的成交量顯示成綠色。
import pyecharts.options as opts
from pyecharts.charts import Line, Bar
volume_rise=[df.volume[x] if df.close[x] > df.open[x] else "0" for x in range(0, len(df.index))]
volume_drop=[df.volume[x] if df.close[x] <= df.open[x] else "0" for x in range(0, len(df.index))]
def volume() -> Bar:
c = (
Bar()
.add_xaxis(df.index.tolist())
.add_yaxis("volume_rise", volume_rise, stack=True, color=["#ec0000"])
.add_yaxis("volume_drop", volume_drop, stack=True, color=["#00da3c"])
.set_global_opts(title_opts=opts.TitleOpts(title="成交量"),
datazoom_opts=[opts.DataZoomOpts()],)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
)
)
return c
volume().render_notebook()
集成三個(gè)圖表
下面我們就把三個(gè)圖標(biāo)，K 線圖，移動(dòng)平均線圖和成交量圖合成到一起
首先把 K 線圖和移動(dòng)平均線圖層疊到一起
def kline_base() -> Kline:
kline = (
Kline()
.add_xaxis(df.index.tolist())
.add_yaxis("日K圖", df[['open', 'close', 'low', 'high']].values.tolist(), markpoint_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(type_="max", value_dim="close")]
), markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(type_="max", value_dim="close")]
),
itemstyle_opts=opts.ItemStyleOpts(
color="#ec0000",
color0="#00da3c",
border_color="#8A0000",
border_color0="#008F28",
),
)
.set_global_opts(
yaxis_opts=opts.AxisOpts(is_scale=True,
splitarea_opts=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
xaxis_opts=opts.AxisOpts(is_scale=True,
axislabel_opts=opts.LabelOpts(rotate=-30)),
title_opts=opts.TitleOpts(title="股票走勢(shì)"),
datazoom_opts=[opts.DataZoomOpts()],
toolbox_opts=opts.ToolboxOpts(is_show=True),
)
)
line = (
Line()
.add_xaxis(df.index.tolist())
.add_yaxis("Ma5", df['ma5'].values.tolist(), is_smooth=True)
.add_yaxis("Ma10", df['ma10'].values.tolist(), is_smooth=True)
.add_yaxis("Ma20", df['ma20'].values.tolist(), is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="移動(dòng)平均線"))
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
)
)
kline.overlap(line)
return kline
接下來(lái)再通過 grid 把成交量圖添加到主圖表中
...
bar = (
Bar()
.add_xaxis(df.index.tolist())
.add_yaxis("volume_rise", volume_rise, stack=True, color=["#ec0000"], )
.add_yaxis("volume_drop", volume_drop, stack=True, color=["#00da3c"], )
.set_global_opts(title_opts=opts.TitleOpts(),
legend_opts=opts.LegendOpts(pos_right="20%"))
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
)
)
overlap_kline_line = kline.overlap(line)
grid = Grid()
grid.add(
overlap_kline_line,
grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", height="50%"),
)
grid.add(
bar,
grid_opts=opts.GridOpts(
pos_left="10%", pos_right="8%", pos_top="70%", height="16%"
),
)
...
至此，我們所謂的“高級(jí)”圖表就完成了，下面就開始結(jié)合 Flask，嵌入我們產(chǎn)生的圖表
首先我們先把新產(chǎn)生的兩個(gè)圖表嵌入到 Web 應(yīng)用中，每個(gè)圖表都是一個(gè)獨(dú)立的頁(yè)面
后臺(tái)函數(shù)
先來(lái)創(chuàng)建生成移動(dòng)平均線和成交量圖表的函數(shù)
# 移動(dòng)平均線
def moving_average_chart(mydate, data_5, data_10, data_20, name) -> Line:
moving_average = (
Line()
.add_xaxis(mydate)
.add_yaxis("ma5", data_5, is_smooth=True)
.add_yaxis("ma10", data_10, is_smooth=True)
.add_yaxis("ma20", data_20, is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="%s-移動(dòng)平均線" % name),
datazoom_opts=[opts.DataZoomOpts()],
)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
)
)
return moving_average
# 成交量
def volume_chart(mydate, volume_rise, volume_drop, name) -> Bar:
bar = (
Bar()
.add_xaxis(mydate)
.add_yaxis("volume_rise", volume_rise, stack=True, color=["#ec0000"])
.add_yaxis("volume_drop", volume_drop, stack=True, color=["#00da3c"])
.set_global_opts(title_opts=opts.TitleOpts(title="%s-成交量" % name),
datazoom_opts=[opts.DataZoomOpts()],)
.set_series_opts(
label_opts=opts.LabelOpts(is_show=False),
)
)
return bar然后再修改 get_stock_data 函數(shù)，返回我們需要的數(shù)據(jù)
def get_stock_data(code, ctime): df = ts.get_hist_data(code) df_time = df[:ctime] mydate = df_time.index.tolist() kdata = df_time[['open', 'close', 'low', 'high']].values.tolist() madata_5 = df_time['ma5'].values.tolist() madata_10 = df_time['ma10'].values.tolist() madata_20 = df_time['ma20'].values.tolist() volume_rise = [df_time.volume[x] if df_time.close[x] > df_time.open[x] else "0" for x in range(0, len(df_time.index))] volume_drop = [df_time.volume[x] if df_time.close[x] <= df_time.open[x] else "0" for x in range(0, len(df_time.index))] return [mydate, kdata, madata_5, madata_10, madata_20, volume_rise, volume_drop]
接著再增加生成兩個(gè)圖表所對(duì)應(yīng)的視圖函數(shù)
@app.route("/Line", methods=['GET', 'POST'])
def get_moving_average():
stock_name = request.form.get('stockName')
query_time = request.form.get('queryTime')
if not stock_name:
stock_name = '平安銀行'
if not query_time:
query_time = 30
if int(query_time) > 30:
if current_user.is_authenticated:
pass
else:
abort(403)
status, stock_code = check_stock(stock_name)
if status == 0:
return 'error stock code or name'
mydate, kdata, madata_5, madata_10, madata_20, volume_rise, volume_drop = get_stock_data(stock_code[0], int(query_time))
c = moving_average_chart(mydate, madata_5, madata_10, madata_20, stock_code[1])
return c.dump_options()
@app.route("/Bar", methods=['GET', 'POST'])
def get_volume():
stock_name = request.form.get('stockName')
query_time = request.form.get('queryTime')
if not stock_name:
stock_name = '平安銀行'
if not query_time:
query_time = 30
if int(query_time) > 30:
if current_user.is_authenticated:
pass
else:
abort(403)
status, stock_code = check_stock(stock_name)
if status == 0:
return 'error stock code or name'
mydate, kdata, madata_5, madata_10, madata_20, volume_rise, volume_drop = get_stock_data(stock_code[0], int(query_time))
c = volume_chart(mydate, volume_rise, volume_drop, stock_code[1])
return c.dump_options()然后還要添加對(duì)應(yīng)的前端頁(yè)面
@app.route("/mavg", methods=['GET', 'POST'])
def moving_average():
return render_template("mavg.html")
@app.route("/volume", methods=['GET', 'POST'])
def volume():
return render_template("volume.html")最后創(chuàng)建上面的兩個(gè) html 文件，并修改
{% extends "base.html" %}
{% block title %}我的股票走勢(shì)圖{% endblock %}
{% block page_content %}
{% for message in get_flashed_messages() %}
×
{{ message }}
同時(shí)在 base.html 中添加入口地址
