Update app.py

app.py

@@ -10,13 +10,12 @@ from sklearn.metrics import mean_squared_error
 st.set_page_config(page_title="Analyse Crypto", layout="wide")
 
 # --- Fonction pour récupérer les données ---
-def fetch_crypto_prices(coin_id, interval="m15", hours=48):
-    """Récupère les données de prix d'une cryptomonnaie."""
+def fetch_crypto_prices(coin_id, currency_id, hours=48):
     end_time = datetime.utcnow()
     start_time = end_time - timedelta(hours=hours)
     url = f"https://api.coincap.io/v2/assets/{coin_id}/history"
     params = {
-        "interval": interval,
+        "interval": "m15",  # Interval fixe à 15 minutes
         "start": int(start_time.timestamp() * 1000),
         "end": int(end_time.timestamp() * 1000),
     }
@@ -161,52 +160,28 @@ def identify_best_pattern(df, patterns):
     best_pattern = min(mse_values, key=mse_values.get)
     return best_pattern, patterns[best_pattern]
 
-# --- Fonction d'affichage ---
-def plot_graph(df, best_pattern_name, best_pattern_df):
-    """Affiche les prix réels et la prédiction avec le meilleur pattern."""
-    fig, ax = plt.subplots(figsize=(12, 6))
-    ax.plot(df.index, df["price"], label="Prix réel", color="blue")
-    ax.plot(
-        best_pattern_df.index,
-        best_pattern_df["price"],
-        label=f"Prédiction ({best_pattern_name})",
-        color="orange",
-    )
-    ax.legend()
-    ax.set_title("Évolution des prix et prédictions")
-    ax.set_xlabel("Temps")
-    ax.set_ylabel("Prix")
-    st.pyplot(fig)
-    st.write(f"### Pourquoi cette prédiction ?")
-    st.write(
-        f"Le pattern sélectionné est **{best_pattern_name}**, car il correspond "
-        f"au comportement observé des prix sur la période passée."
-    )
-
-# --- Interface utilisateur ---
-st.title("Prédiction des cours des cryptomonnaies")
-coins = {
-    "Bitcoin": "bitcoin",
-    "Ethereum": "ethereum",
-    "Ripple": "ripple",
-    "Cardano": "cardano",
-}
-coin = st.selectbox("Choisissez une cryptomonnaie :", list(coins.keys()))
-interval = st.selectbox("Intervalle :", ["m15", "h1", "h6", "h12", "h24"], index=0)
-
-if st.button("Analyser"):
-    st.write("Chargement des données...")
-    data = fetch_crypto_prices(coins[coin], interval=interval)
-    if data:
-        df = pd.DataFrame(data)
-        df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
-        df.set_index("timestamp", inplace=True)
-
-        # Prévoir les tendances
-        patterns = predict_patterns(data)
-        best_pattern_name, best_pattern_df = identify_best_pattern(df, patterns)
-        plot_graph(df, best_pattern_name, best_pattern_df)
-
-        st.write("Analyse terminée.")
-    else:
-        st.error("Impossible de récupérer les données.")
+# --- Affichage des résultats ---
+def plot_best_pattern(df, best_pattern_name, best_pattern_df):
+    plt.figure(figsize=(10, 6))
+    plt.plot(df.index, df["price"], label="Prix réel", color="blue")
+    plt.plot(best_pattern_df["timestamp"], best_pattern_df["price"], label=best_pattern_name, color="orange", linestyle="--")
+    plt.xlabel("Timestamp")
+    plt.ylabel("Prix")
+    plt.title(f"Comparaison des prix réels avec le pattern {best_pattern_name}")
+    plt.legend()
+    st.pyplot()
+
+# --- Application Streamlit ---
+st.title("Analyse des Cryptomonnaies")
+
+# Sélection de la cryptomonnaie
+coin_id = st.selectbox("Choisir une cryptomonnaie", ["bitcoin", "ethereum"])
+currency_id = "usd"  # Monnaie par défaut en USD
+
+# Récupérer les données
+data = fetch_crypto_prices(coin_id, currency_id)
+if data:
+    df = pd.DataFrame(data)
+    patterns = predict_patterns(data)  # Prédire les patterns
+    best_pattern_name, best_pattern_df = identify_best_pattern(df, patterns)  # Identifier le meilleur pattern
+    plot_best_pattern(df, best_pattern_name, best_pattern_df)  # Afficher les résultats