Update app.py

app.py

@@ -71,7 +71,7 @@ def find_similar_pattern(df, prediction, future_hours=24):
 # Fonction pour générer une prédiction dynamique (Courbe verte)
 def generate_dynamic_prediction(df, initial_prediction, future_hours=24):
     green_prediction = list(initial_prediction)
-    
+
     # Appliquer une mise à jour dynamique à la prédiction en utilisant des patterns passés
     for i in range(future_hours):
         last_price = df["price"].iloc[-1]
@@ -87,11 +87,12 @@ def generate_dynamic_prediction(df, initial_prediction, future_hours=24):
         green_prediction.append(ema + cycle_pred)
         
         # Mise à jour du DataFrame avec pd.concat() au lieu de append()
-        future_timestamp = df.index[-1] + timedelta(hours=i)
+        future_timestamp = df.index[-1] + timedelta(hours=1)  # Utilisation de timedelta correctement
         new_row = pd.DataFrame([[future_timestamp, green_prediction[-1]]], columns=['timestamp', 'price'])
         df = pd.concat([df, new_row], ignore_index=False)
     
-    return green_prediction, df.index[-future_hours:]
+    future_timestamps = pd.to_datetime(df.index[-future_hours:])  # Actualisation des timestamps futurs
+    return green_prediction, future_timestamps
 
 # Configuration des dates
 end_time = datetime.now()