Change layout

web/app.py

@@ -201,8 +201,6 @@ def get_crypto_kl_data(symbol, timeframe, limit=1000, start_time=None, end_time=
             print(f"未指定明确时间范围，应用默认限制，返回最新的 {limit} 条记录")
             df = df.tail(limit).reset_index(drop=True)
         
-        df = add_indicators(df)
-        
         # 如果过滤后没有数据，返回None
         if len(df) == 0:
             print("过滤后无数据")
@@ -290,6 +288,19 @@ def add_indicators(df):
     df['ma30'] = (ta.EMA(df, timeperiod=30)).fillna(0)
     df['ma250'] = (ta.MA(df, timeperiod=250)).fillna(0)
     df['rsi'] = ta.RSI(df, timeperiod=14)
+    
+    # 计算布林带 (当前周期 - 20周期，2标准差)
+    bb = ta.BBANDS(df, timeperiod=20, nbdevup=2.0, nbdevdn=2.0, matype=0)
+    df['bb_upper'] = bb['upperband'].fillna(0)
+    df['bb_middle'] = bb['middleband'].fillna(0)
+    df['bb_lower'] = bb['lowerband'].fillna(0)
+    
+    # 计算次周期布林带 (14周期，2标准差)
+    bb_element = ta.BBANDS(df, timeperiod=14, nbdevup=2.0, nbdevdn=2.0, matype=0)
+    df['element_bb_upper'] = bb_element['upperband'].fillna(0)
+    df['element_bb_middle'] = bb_element['middleband'].fillna(0)
+    df['element_bb_lower'] = bb_element['lowerband'].fillna(0)
+    
     df['macd'] = df['macd'].fillna(0)
     df['macdsignal'] = df['macdsignal'].fillna(0)
     df['macdhist'] = df['macdhist'].fillna(0)
@@ -532,25 +543,14 @@ def is_smaller_or_equal_timeframe(tf1, tf2):
     return tf1_value <= tf2_value
 
 def clean_dataframe_for_json(df):
-    """清理DataFrame中的NaN值，确保JSON序列化正常"""
-    # 创建副本以避免修改原数据
-    df_clean = df.copy()
+    """清理DataFrame数据用于JSON序列化"""
+    # 创建副本避免修改原始数据
+    clean_df = df.copy()
     
-    # 将NaN、inf、-inf替换为None
-    df_clean = df_clean.replace([np.nan, np.inf, -np.inf], None)
+    # 替换NaN值为None
+    clean_df = clean_df.where(pd.notnull(clean_df), None)
     
-    # 处理数值列，确保值为有限数字或None
-    numeric_columns = df_clean.select_dtypes(include=[np.number]).columns
-    for col in numeric_columns:
-        # 确保所有数值都是有限的
-        df_clean[col] = df_clean[col].apply(lambda x: x if (x is not None and np.isfinite(x)) else None)
-    
-    # 处理时间列，确保格式正确
-    datetime_columns = df_clean.select_dtypes(include=['datetime64']).columns
-    for col in datetime_columns:
-        df_clean[col] = df_clean[col].dt.strftime('%Y-%m-%d %H:%M:%S')
-    
-    return df_clean
+    return clean_df
 
 @app.route('/')
 def index():
@@ -615,6 +615,10 @@ def analyze():
     # 如果不是只需要分形元素数据，则添加主周期数据
     if not elements_only:
         print(f"处理主周期数据 (elements_only={elements_only})")
+        
+        # 添加技术指标（包括布林带）
+        df = add_indicators(df)
+        
         # 进行缠论分析
         analysis_result = analyze_chan(df)
         
@@ -661,6 +665,17 @@ def analyze():
                 'desc': point['desc']
             } for point in analysis_result['trade_points']],
             'macd': macd_data,
+            # 添加布林带数据
+            'bollinger': {
+                'upper': df['bb_upper'].tolist(),
+                'middle': df['bb_middle'].tolist(),
+                'lower': df['bb_lower'].tolist()
+            },
+            'element_bollinger': {
+                'upper': df['element_bb_upper'].tolist(),
+                'middle': df['element_bb_middle'].tolist(),
+                'lower': df['element_bb_lower'].tolist()
+            },
             # 添加K线分型信息
             'klc_fx_info': [{
                 'time': format_time_safely(point['time'], client_tz),
@@ -682,6 +697,9 @@ def analyze():
         element_df = get_kl_data(symbol, element_timeframe, start_time=start_time, end_time=end_time)
         
         if element_df is not None and len(element_df) > 0:
+            # 添加小周期技术指标（包括布林带）
+            element_df = add_indicators(element_df)
+            
             # 对小周期数据进行缠论分析
             element_analysis = analyze_chan(element_df)
             
@@ -692,6 +710,18 @@ def analyze():
             result['element_timeframe'] = element_timeframe
             result['element_macd'] = element_macd_data  # 添加小周期MACD数据
             
+            # 添加小周期布林带数据
+            result['element_bollinger'] = {
+                'upper': element_df['bb_upper'].tolist(),
+                'middle': element_df['bb_middle'].tolist(),
+                'lower': element_df['bb_lower'].tolist()
+            }
+            result['element_element_bollinger'] = {
+                'upper': element_df['element_bb_upper'].tolist(),
+                'middle': element_df['element_bb_middle'].tolist(),
+                'lower': element_df['element_bb_lower'].tolist()
+            }
+            
             result['element_bi_list'] = [{
                 'start_time': bi.start_klc.end_time if isinstance(bi.start_klc.end_time, str) else bi.start_klc.end_time.astimezone(client_tz).isoformat(),
                 'end_time': (bi.end_klc.end_time if isinstance(bi.end_klc.end_time, str) else bi.end_klc.end_time.astimezone(client_tz).isoformat()) if bi.end_klc else None,
@@ -720,7 +750,6 @@ def analyze():
                 'is_sure': zs.is_sure  # 添加中枢是否完成的标志
             } for zs in element_analysis['zs_list'] if zs.end_klc]
             
-            # 添加小周期未完成中枢列表
             result['element_uncompleted_zs_list'] = [{
                 'start_time': zs.start_klc.end_time if isinstance(zs.start_klc.end_time, str) else zs.start_klc.end_time.astimezone(client_tz).isoformat(),
                 'end_time': None,  # 未完成中枢没有结束时间