Update app.py

app.py

@@ -7,7 +7,7 @@ from datetime import datetime, timedelta
 from sklearn.metrics import mean_squared_error
 
 # Fonction pour récupérer les prix historiques
-def get_crypto_prices(coins, start_time, end_time, interval='m15'):
+def get_crypto_prices(coins, start_time, end_time, interval='h1'):
     prices = {}
     for coin, coin_id in coins.items():
         url = f'https://api.coincap.io/v2/assets/{coin_id}/history'
@@ -34,7 +34,7 @@ def predict_patterns(data, future_hours=24):
     df.set_index("timestamp", inplace=True)
 
     last_timestamp = df.index[-1]
-    future_timestamps = [last_timestamp + timedelta(minutes=15 * i) for i in range(1, (future_hours * 60 // 15) + 1)]
+    future_timestamps = [last_timestamp + timedelta(hours=i) for i in range(1, future_hours + 1)]
 
     last_price = df["price"].iloc[-1]
     trend = (df["price"].iloc[-1] - df["price"].iloc[0]) / len(df)
@@ -102,47 +102,48 @@ def identify_best_pattern(df, patterns):
     best_pattern = min(mse_scores, key=mse_scores.get)
     return best_pattern
 
-# Fonction pour ajouter la prédiction dynamique basée sur les patterns historiques
-def predict_dynamic_curve(df, patterns, future_hours=24):
-    dynamic_predictions = []
-    current_values = df["price"].values[-5:]  # Les 5 dernières valeurs pour démarrer
-
-    for i in range(future_hours // 5):
-        # Identifier le pattern le plus proche des 5 dernières valeurs
-        best_pattern = identify_best_pattern(pd.DataFrame({"timestamp": df.index[-5:], "price": current_values}), patterns)
-        best_pattern_values = patterns[best_pattern]["price"].values[:5]
-        dynamic_predictions.extend(best_pattern_values)
-        current_values = dynamic_predictions[-5:]  # Mise à jour avec les 5 dernières valeurs
-
-    future_timestamps = [df.index[-1] + timedelta(minutes=15 * i) for i in range(1, len(dynamic_predictions) + 1)]
-    dynamic_curve = pd.DataFrame({"timestamp": future_timestamps, "price": dynamic_predictions})
-    return dynamic_curve
-
 # Configuration des dates
 end_time = datetime.now()
-start_time = end_time - timedelta(days=30)
+start_time = end_time - timedelta(hours=48)
 
-# Cryptos à suivre
+# Liste des cryptos avec leurs IDs corrects sur CoinCap
 coins = {
-    'bitcoin': 'bitcoin',
-    'ethereum': 'ethereum',
-    'litecoin': 'litecoin'
+    "Bitcoin": "bitcoin",
+    "Ripple": "xrp",
+    "Ethereum": "ethereum",
+    "Tether": "tether",
+    "Stellar": "stellar"
 }
 
-# Récupérer les prix
-prices = get_crypto_prices(coins, start_time, end_time)
-
-# Prédiction des tendances avec des patterns
-pattern_dfs = {}
-for coin, data in prices.items():
-    pattern_dfs[coin] = predict_patterns(data)
-
-# Calculer les prédictions dynamiques
-dynamic_curves = {}
-for coin, pattern_df in pattern_dfs.items():
-    dynamic_curves[coin] = predict_dynamic_curve(prices[coin], pattern_df)
-
-# Affichage des courbes dynamiques
-for coin, dynamic_curve in dynamic_curves.items():
-    st.write(f"Prédiction dynamique pour {coin.capitalize()}:")
-    st.line_chart(dynamic_curve.set_index('timestamp')['price'])
+# Récupération des prix
+crypto_prices = get_crypto_prices(coins, start_time, end_time)
+
+# Affichage des graphiques
+st.title("Analyse et Prédictions des Cryptos avec Patterns")
+for coin, price_data in crypto_prices.items():
+    if price_data:
+        df = pd.DataFrame(price_data, columns=["timestamp", "price"])
+        df["timestamp"] = pd.to_datetime(df["timestamp"], unit="ms")
+
+        patterns = predict_patterns(price_data, future_hours=24)
+        best_pattern = identify_best_pattern(df, patterns)
+
+        st.write(f"#### {coin} - Prix et Prédictions")
+        fig, ax = plt.subplots(figsize=(12, 6))
+        ax.plot(df["timestamp"], df["price"], label="Prix réel", color="blue")
+
+        # Affiche uniquement le meilleur pattern
+        best_pattern_df = patterns[best_pattern]
+        ax.plot(
+            best_pattern_df["timestamp"],
+            best_pattern_df["price"],
+            label=f"Prédiction ({best_pattern})",
+            linestyle="dashed",
+            color="orange"
+        )
+
+        ax.set_title(f"{coin} - Prix (48h réels + 24h prévu avec {best_pattern})")
+        ax.set_xlabel("Date")
+        ax.set_ylabel("Prix (USD)")
+        ax.legend()
+        st.pyplot(fig)