<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[sentdex的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/sentdex</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; sentdex]]></copyright><item><title><![CDATA[Python：平均方向指数 (ADX) 4 方向移动系统计算]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359972</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359972</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:26:49 +0800</pubDate><description><![CDATA[这段文字是关于股票指标教程系列中，如何计算平均方向指数（ADX）的讲解。
教程首先回顾了之前计算出的正向指标（+DI）和负向指标（-DI），这些指标是ADX的一部分。接着，教程开始定义ADX，并使用代码进行计算。
代码中，首先定义了两个变量，分别代表正向指标和负向指标的长度。然后，由于在之前的计算中，只考虑了从第二天开始的价格，因此在计算ADX时，需要考虑从第一个数据点开始的所有数据。
接下来，代...]]></description><category></category></item><item><title><![CDATA[Python 数学与股票：如何编程钱德动量指标]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359957</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359957</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:26:18 +0800</pubDate><description><![CDATA[本教程视频将引导你用 Python 编程实现 Shawnee Momentum Oscillator (CMO)。
视频假设你已拥有该系列的样本数据，如果没有，描述中有链接可以获取。你需要将数据复制粘贴到记事本文件，并保存到与脚本相同的目录。
视频中提供了前几行代码，你可以直接复制粘贴，也可以跟着视频学习。
首先，导入 numpy 库并命名为 np，以及 time 库。
然后，指定样本数据，打开名...]]></description><category></category></item><item><title><![CDATA[Python 3 编程教程 - 操作系统模块]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359938</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359938</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:25:47 +0800</pubDate><description><![CDATA[这段文字介绍了 Python 标准库中的 os 模块，并通过示例演示了如何使用该模块进行目录操作。
主要内容：

介绍 os 模块：


os 模块是 Python 标准库的一部分，用于进行目录操作，例如改变路径、创建、删除和移动目录等。


示例：


获取当前工作目录： 使用 os.getcwd() 获取当前工作目录并打印。
创建目录： 使用 os.mkdir() 创建名为 newdir 的目...]]></description><category></category></item><item><title><![CDATA[使用 Pygame 在 Python 3 中进行游戏开发 - 3 - 移动图像]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359924</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359924</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:25:16 +0800</pubDate><description><![CDATA[这段文字讲解了如何使用 Python 的 Pygame 库来控制游戏中的赛车左右移动。
首先，这段代码定义了一个事件处理循环，用于监听用户的键盘输入。当检测到键盘按下事件时，代码会判断按下的键是否为左箭头或右箭头。
如果按下的键是左箭头，代码会将 x_change 变量设置为 -5，表示向左移动。如果按下的键是右箭头，代码会将 x_change 变量设置为 5，表示向右移动。
随后，代码进入主循环...]]></description><category></category></item><item><title><![CDATA[时间框架和样本大小选项 - Tkinter 教程 Python 3.4 第 14 部分]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359907</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359907</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:24:44 +0800</pubDate><description><![CDATA[这段文字是关于一个实际的 Tkinter 应用程序教程系列的片段，讲解如何添加更多选项，尤其是涉及后端的部分。
视频中，教程作者在 CVTC 应用程序中，继续编辑菜单栏选项。他们添加了两个新的菜单：

数据时间框架 (data tf)：这个菜单允许用户选择数据的时间范围，例如一天、三天或一周。


作者创建了一个 Tkinter 菜单对象 data tf，并设置了 tearoff 属性为 1，允许...]]></description><category></category></item><item><title><![CDATA[交易选项，开始/停止，和帮助 - Tkinter 教程 Python 3.4 第 18 部分]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359887</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359887</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:24:13 +0800</pubDate><description><![CDATA[这段文字介绍了在一个名为CVDC的应用程序中添加交易功能的步骤。作者正在为该应用程序构建一个菜单，其中包括手动交易和自动交易选项。
手动交易将打开一个新窗口，用户可以在其中进行手动交易。作者计划在这个功能中引入一个新的模块，以提高程序的可维护性和扩展性。
自动交易将允许用户设置预设交易金额，并通过点击按钮快速执行市场交易。作者还计划将自动交易绑定到键盘快捷键，方便用户快速进行买入和卖出操作。
作者...]]></description><category></category></item><item><title><![CDATA[Scikit Learn 机器学习教程：使用 Python 进行投资 第 21 页]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359865</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359865</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:23:42 +0800</pubDate><description><![CDATA[这段文字来自一个机器学习教程视频，主要内容是介绍如何使用机器学习预测股票市场表现。
视频内容摘要：

回顾前一视频： 视频开始回顾了上一视频的内容，提到通过机器学习算法训练，模型在预测股票市场表现方面表现出色，超过了市场平均水平5-8%。
存在的局限性： 视频指出，之前的模型没有考虑公司退出标准普尔500指数的情况，因此预测结果可能存在偏差。
解决方法： 视频提出需要解决公司退出标准普尔500指数...]]></description><category></category></item><item><title><![CDATA[Flask 教程：使用 Python 进行 Web 开发 - 22 - 内容管理系统]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359846</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359846</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:23:10 +0800</pubDate><description><![CDATA[这段文字主要讲述了博主在内容管理系统上的选择和实现过程。
博主最初使用 WordPress，但因其定制性不足而转向 Flask。他考虑了多种 Flask 内容管理方案，包括构建类似 WordPress 的管理面板，或者使用静态 HTML 页面，但最终选择了使用静态 HTML 文件作为内容存储方式。
博主解释了使用静态 HTML 文件的优势，包括：

**灵活性和定制性：**可以根据需要添加图表、嵌...]]></description><category></category></item><item><title><![CDATA[Matplotlib 教程 2 - 图例、标题和标签]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359830</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359830</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:22:39 +0800</pubDate><description><![CDATA[Matplotlib 教程：图例、标题和标签
本教程讲解了 Matplotlib 中图例、标题和标签的添加方法。虽然图表有时可以自解释，尤其是在特定语境下，但一般来说，在图表上添加标题和 X、Y 轴标签是一个好习惯。图例在绘制多个数据系列时尤为有用。
教程首先介绍了如何在 Matplotlib 中添加标题和标签。代码示例使用 plt.xlabel()、plt.ylabel() 和 plt.titl...]]></description><category></category></item><item><title><![CDATA[文本分类 - 使用 Python 和 NLTK 进行自然语言处理 第 11 页]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359752</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359752</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:20:27 +0800</pubDate><description><![CDATA[语言处理教程视频摘要
这段视频介绍了如何构建一个文本分类器，并以情感分析为例进行说明。
核心内容：

文本分类器可以用于各种分类任务，例如判断文本情感倾向、识别文本类型（股票、写作、政治等）、判定邮件是否为垃圾邮件等。
本教程将构建一个情感分析分类器，将文本分为正面和负面两种情感。
该方法可以应用于任何包含两种标签的分类任务，例如判断邮件是否为垃圾邮件、区分短信和正式文件等。
视频使用 NLTK ...]]></description><category></category></item><item><title><![CDATA[所需物资 - 使用 Python、树莓派和 GoPiGo 进行机器人编程，第 2 页]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359733</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359733</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:19:56 +0800</pubDate><description><![CDATA[Gopi Go 机器人搭建指南：部件清单及初始设置
这篇文章主要介绍如何搭建 Gopi Go 机器人，包括所需部件清单和初始设置步骤。
一、两种搭建方案：

方案一：购买完整套件，包含所有必要部件，价格约为 $200，省心省力。
方案二：购买基础套件并自行补充其他部件，价格约为 $140，可以节省 $50，但需要自行采购其他部件。

作者推荐方案二，因为可以节省一定的费用。
二、所需部件清单：

...]]></description><category></category></item><item><title><![CDATA[Scikit Learn 机器学习教程：使用 Python 进行投资 第 16 页]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359712</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359712</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:19:24 +0800</pubDate><description><![CDATA[这段文字主要介绍了如何使用Quandl API获取股票数据，以用于预测股票未来一年的表现。
首先，作者解释了目前的数据集局限性，只能分析当前的股票表现，而无法预测未来。为了实现预测目标，需要获取更完善的数据，包括股票的基本面数据和未来一年的价格数据。
作者推荐使用Quandl API获取股票数据，因为它提供丰富的免费数据，包括股票价格和SEC数据。作者也提醒用户注意避免使用付费数据集，因为Quan...]]></description><category></category></item><item><title><![CDATA[Python 图表绘制股票/外汇技术分析 第 9 部分 - 在 matplotlib 图表中添加成交量数据...]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359686</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359686</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:18:50 +0800</pubDate><description><![CDATA[这段文字讲解了如何在一个图表中添加第二个子图来展示股票交易量的柱状图。
首先，为了添加第二个子图，需要将原有的 1x1 子图布局改为 2x1。然后，通过 plt.subplot(2, 1, 2) 创建第二个子图，并使用 AX2.bar(date, volume) 绘制交易量的柱状图。
接着，为了区分两个子图的 Y 轴标签，分别使用 plt.ylabel('Stock Price') 和 plt.y...]]></description><category></category></item><item><title><![CDATA[机器学习标签创建 - 金融领域的 Python 编程 第 11 页]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359630</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359630</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:17:44 +0800</pubDate><description><![CDATA[这段文字描述了如何将一个函数应用于数据框，从而为数据框创建新的标签列。
主要步骤：

创建函数 extract_feature_sets: 该函数接收股票代码 (ticker) 作为参数，并利用之前定义的辅助函数来获取股票数据和相关特征。
映射函数至数据框： 使用 map 函数将 extract_feature_sets 函数应用于数据框中的每一行，并将结果存储到一个名为 ticker_targe...]]></description><category></category></item><item><title><![CDATA[使用 Pygame 在 Python 3 中进行游戏开发 - 6 - 绘制对象 / 移动对象]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359614</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359614</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:17:13 +0800</pubDate><description><![CDATA[本教程视频将介绍如何添加玩家需要避开的障碍物。视频中，我们将创建一个简单的汽车游戏，但目前缺少让汽车移动的感觉。我们可以在水平方向上移动汽车，但无法让汽车向前移动。因此，我们将添加一些会移动的障碍物，游戏目标是避开这些障碍物。
首先，我们需要创建一些障碍物。我们将定义一个名为“things”的函数来创建障碍物，该函数将接收以下参数：

thing_x：障碍物横坐标
thing_y：障碍物纵坐标
t...]]></description><category></category></item><item><title><![CDATA[按钮功能 - PyQt 与 Python GUI 编程教程 4]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359543</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359543</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:15:06 +0800</pubDate><description><![CDATA[这段文字介绍了在 PyQt 中使用自定义方法来处理按钮点击事件。
首先，作者创建了一个名为 close_application 的自定义方法，该方法在按钮点击时被调用。该方法使用 sys.exit 关闭应用程序，并打印一条自定义消息 Whoa so custom。
接下来，作者将按钮的 clicked 事件连接到该自定义方法，并演示了如何使用自定义方法修改应用程序窗口的标题。
最后，作者介绍了 Q...]]></description><category></category></item><item><title><![CDATA[Scikit Learn 机器学习教程：使用 Python 进行投资 第 24 页]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359492</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359492</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:13:58 +0800</pubDate><description><![CDATA[这段文字讨论了在投资教程视频中使用机器学习模型进行股票预测时，如何优化模型类别设置以提高预测精度和效率。
首先，作者回顾了之前模型的测试结果，发现模型提供了大量的股票预测建议，符合统计学上的理论：S&amp;P 500 中一半的公司会表现优于市场，另一半会表现逊于市场。但作者希望得到更精简、更可靠的股票预测列表。
作者指出，虽然可以使用多个类别（例如显著低估、低估、持平、高估、显著高估）来描述股票...]]></description><category></category></item><item><title><![CDATA[从头开始完成 SVM - 使用 Python 的实用机器学习教程 第 28 页]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359466</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359466</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:13:22 +0800</pubDate><description><![CDATA[这段文字描述了如何使用支持向量机 (SVM) 进行分类，并重点讲解了如何实现预测和可视化功能。
主要内容:

为了测试之前开发的 SVM 模型，需要完成预测功能的实现。
预测功能中，如果用户要求可视化，则使用 scatter 函数绘制数据点，颜色根据类别信息进行区分。
visualize 函数用于可视化整个数据集，包括数据点和决策边界（超平面）。
visualize 函数使用嵌套循环遍历数据点，并...]]></description><category></category></item><item><title><![CDATA[用 Pygame 在 Python 3 中进行游戏开发 - 18 - 游戏结束]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359455</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359455</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:12:51 +0800</pubDate><description><![CDATA[这段文字主要介绍了如何改进游戏中的“碰撞”效果。
1. 现状分析:

游戏中现有的碰撞效果比较粗糙，使用强制的“重量”周期，效果不佳。
暂停功能已经实现，但暂停时屏幕会被清空，导致游戏体验不好。

2. 改进方案:

利用暂停功能的代码，将相同的功能应用于碰撞效果。
为了避免暂停时屏幕清空，可以考虑使用其他方法，例如只绘制按钮而不清空背景，或者将按钮绘制在最上层。

3. 具体实现:

将暂停功能...]]></description><category></category></item><item><title><![CDATA[连接和追加数据框 - 第 5 页 Python 和 Pandas 数据分析教程]]></title><link>https://blog.youkuaiyun.com/sentdex/article/details/141359433</link><guid>https://blog.youkuaiyun.com/sentdex/article/details/141359433</guid><author>sentdex</author><pubDate>Tue, 20 Aug 2024 15:12:18 +0800</pubDate><description><![CDATA[本视频教程介绍了 Pandas 中的 DataFrame 数据合并操作，主要讲解了两种常用的方法：连接（concatenation）和追加（appending）。
首先，视频解释了连接的概念，并演示了使用 pd.concat 函数将两个 DataFrame 沿行方向连接。示例中，将两个具有相同列但不同索引的 DataFrame 连接，形成了一个新的 DataFrame，其中索引是连接后的结果。
接...]]></description><category></category></item></channel></rss>