Update app.py

app.py

@@ -62,6 +62,25 @@ def predict_patterns(data, future_hours=24):
     patterns["Recovery"] = [last_price + (mean_price - last_price) * (i / len(future_timestamps)) for i in range(len(future_timestamps))]
     patterns["Acceleration"] = [last_price + (trend * 1.5) * i for i in range(len(future_timestamps))]
 
+    # Ajout des 20 autres patterns
+    patterns["Overbought"] = [last_price + cycle_amplitude * np.cos(2 * np.pi * i / len(future_timestamps)) for i in range(len(future_timestamps))]
+    patterns["Oversold"] = [last_price - cycle_amplitude * np.cos(2 * np.pi * i / len(future_timestamps)) for i in range(len(future_timestamps))]
+    patterns["DoubleTop"] = [last_price + trend * 2 if i < len(future_timestamps) // 2 else last_price - trend * 2 for i in range(len(future_timestamps))]
+    patterns["DoubleBottom"] = [last_price - trend * 2 if i < len(future_timestamps) // 2 else last_price + trend * 2 for i in range(len(future_timestamps))]
+    patterns["HeadAndShoulders"] = [last_price + (cycle_amplitude * np.sin(2 * np.pi * i / (len(future_timestamps) // 2))) for i in range(len(future_timestamps))]
+    patterns["InverseHeadAndShoulders"] = [last_price - (cycle_amplitude * np.sin(2 * np.pi * i / (len(future_timestamps) // 2))) for i in range(len(future_timestamps))]
+    patterns["Parabolic"] = [last_price + (cycle_amplitude * i ** 2) for i in range(len(future_timestamps))]
+    patterns["ExponentialGrowth"] = [last_price * (1 + 0.05) ** i for i in range(len(future_timestamps))]
+    patterns["ExponentialDecay"] = [last_price * (1 - 0.05) ** i for i in range(len(future_timestamps))]
+    patterns["Sinusoidal"] = [last_price + cycle_amplitude * np.sin(2 * np.pi * i / len(future_timestamps)) for i in range(len(future_timestamps))]
+    patterns["Flatline"] = [last_price for i in range(len(future_timestamps))]
+    patterns["HarmonicOscillator"] = [last_price + cycle_amplitude * np.cos(2 * np.pi * i / len(future_timestamps)) for i in range(len(future_timestamps))]
+    patterns["Waveform"] = [last_price + cycle_amplitude * np.sin(i) for i in range(len(future_timestamps))]
+    patterns["SwingHigh"] = [last_price + cycle_amplitude * np.sin(2 * np.pi * i / len(future_timestamps)) for i in range(len(future_timestamps))]
+    patterns["SwingLow"] = [last_price - cycle_amplitude * np.sin(2 * np.pi * i / len(future_timestamps)) for i in range(len(future_timestamps))]
+    patterns["AscendingTriangle"] = [last_price + cycle_amplitude * np.exp(i / len(future_timestamps)) for i in range(len(future_timestamps))]
+    patterns["DescendingTriangle"] = [last_price - cycle_amplitude * np.exp(i / len(future_timestamps)) for i in range(len(future_timestamps))]
+
     pattern_dfs = {
         pattern_name: pd.DataFrame({"timestamp": future_timestamps, "price": prices})
         for pattern_name, prices in patterns.items()
@@ -140,7 +159,24 @@ for coin, price_data in crypto_prices.items():
             "Plateau": "Ce pattern suggère que le prix restera relativement stable et horizontal, sans mouvements majeurs.",
             "Breakout": "Le breakout indique une rupture de la tendance actuelle, avec une direction plus forte dans une des deux directions.",
             "Recovery": "Le pattern de récupération suggère que le prix pourrait revenir à sa moyenne historique après une variation importante.",
-            "Acceleration": "L'accélération suggère un mouvement rapide des prix, souvent après une période de stagnation ou de consolidation."
+            "Acceleration": "L'accélération suggère un mouvement rapide des prix, souvent après une période de stagnation ou de consolidation.",
+            "Overbought": "Le prix est suracheté, ce qui pourrait indiquer une inversion de tendance à la baisse.",
+            "Oversold": "Le prix est survendu, ce qui pourrait indiquer une inversion de tendance à la hausse.",
+            "DoubleTop": "Il y a deux pics proches, et le prix pourrait redescendre après le deuxième sommet.",
+            "DoubleBottom": "Il y a deux creux proches, et le prix pourrait rebondir après le deuxième creux.",
+            "HeadAndShoulders": "La tête et les épaules représentent une inversion de tendance, le prix pourrait chuter après la formation.",
+            "InverseHeadAndShoulders": "L'inverse de la tête et des épaules représente une inversion à la hausse.",
+            "Parabolic": "Le prix suit une courbe parabolique, souvent avant un renversement brusque.",
+            "ExponentialGrowth": "Le prix suit une croissance exponentielle rapide.",
+            "ExponentialDecay": "Le prix suit une décroissance exponentielle rapide.",
+            "Sinusoidal": "Le prix fluctue selon un pattern sinusoïdal.",
+            "Flatline": "Le prix est stable, sans changements significatifs.",
+            "HarmonicOscillator": "Le prix suit un oscillateur harmonique, avec des fluctuations régulières.",
+            "Waveform": "Le prix suit une forme d'onde régulière.",
+            "SwingHigh": "Le prix forme des pics élevés, suggérant un renversement.",
+            "SwingLow": "Le prix forme des creux profonds, suggérant une tendance à la hausse.",
+            "AscendingTriangle": "Le prix suit une formation de triangle ascendant, avec des résistances élevées.",
+            "DescendingTriangle": "Le prix suit une formation de triangle descendant, avec des supports bas."
         }
 
         # Afficher l'explication sous le graphique