| 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354 |
- def find_strokes(fractals, df, min_interval=5):
- """
- 在此函数中对初步分型（fractals）进行有效性判断和筛选，
- 包括：
- 1. 去除连续同类型分型中较不极端的分型。
- 2. 确保顶底交替和满足最小间隔要求 min_interval。
- 3. 最终根据有效分型构造笔（strokes）。
- :param fractals: 初步的分型点列表 [(index, 'Top'), (index, 'Bottom')]
- :param df: 去除包含关系的K线数据，包含High、Low
- :param min_interval: 顶底之间的最小间隔K线数
- :return: (valid_fractals, strokes)
- valid_fractals: 有效分型列表 [(index, 'Top'), (index, 'Bottom')]
- strokes: 笔的列表 [(start_index, end_index)]
- """
- if not fractals:
- return [], []
- # 1. 先对分型列表排序（按index）
- fractals = sorted(fractals, key=lambda x: x[0])
- valid_fractals = [fractals[0]] # 将第一个分型作为初始有效分型
- # 开始进行有效性筛选
- for i in range(1, len(fractals)):
- current_idx, current_type = fractals[i]
- last_idx, last_type = valid_fractals[-1]
- # 如果类型相同，保留更加极端的分型
- if current_type == last_type:
- if current_type == 'Top':
- # 保留更高的顶
- if df.loc[current_idx, 'High'] > df.loc[last_idx, 'High']:
- valid_fractals[-1] = (current_idx, current_type)
- # 否则保持不变（跳过当前分型）
- else: # 'Bottom'
- # 保留更低的底
- if df.loc[current_idx, 'Low'] < df.loc[last_idx, 'Low']:
- valid_fractals[-1] = (current_idx, current_type)
- # 否则保持不变
- else:
- # 类型不同，检查间隔
- if current_idx - last_idx - 1 >= min_interval:
- valid_fractals.append((current_idx, current_type))
- # 如果间隔不够，不加入
- # 有了有效分型列表后，再构造笔
- strokes = []
- for i in range(len(valid_fractals) - 1):
- start_idx, start_type = valid_fractals[i]
- end_idx, end_type = valid_fractals[i + 1]
- # 此时有效分型保证类型交替（如果需要进一步确保，也可再加判断）
- strokes.append((start_idx, end_idx))
- return valid_fractals, strokes
|
