図1
上記のテキストは、すでに公開されている記事の続きです。
第 1
部 第 2 部
1C から次のような機能を取り上げましょう: クエリ言語、動的リスト、データ構成システム。
豊富なライブラリ セットからの何かが Python から役に立ちます。たとえば、テクニカル分析ライブラリ:
1Cの「処理」メカニズムが必要です。これを使用して、Python スクリプトを実行し、結果を画面に表示するか、1C データベースに保存します。
図 2.
Python にデータを転送するには、1 つまたは複数のツールを選択します。
図 3.
選択したスクリプトに応じて、一般的な処理設定を提供しましょう。これはスクリプト自体のテキストであり、1c から Python に、またはその逆にデータを転送するためのオプションです。
4.一般設定のエクスポートインポートの図は、ファイルを
出力し、解析したデータ自体の図5の選択を
図6ましょう1C。で出力ストリームとPythonのエラーを受信する可能性を提供する
グラフ図7.そして、もちろん。これを 図 8 のために始めた結果です
。
省スペース化のため、複雑なグラフィックにも対応。しかし、単純なスクリプトの修正により、従来の方法で行われるように、それらを異なるチャートに分割することができます。
図 9.
2 つのテクニカル分析ライブラリがあることを思い出して、各チャートを表示する機能を作成します。 120 のチャートが表示されます (一部のインジケーターはライブラリで繰り返されます)。
Python の機械学習に飛び込む前に、少し立ち止まってみましょう。 1CでPythonで計算した指標を転送・保存する機能を作ってみましょう。
図 10.
図 11.
すべての Python インジケーターを計算して 1C に転送する平均速度を測定したところ、各交換インスツルメントに 20 秒かかりました。340 の Exchange インスツルメントが存在する場合、完全な再計算には約 2 時間かかります。1 日の間隔で作業する場合、これは完全に許容できる指標であることがわかります。しかし、完全な再計算に時間がかかりすぎるように思えても、スケジュールされたタスクはサーバーの複数のコア/プロセッサで並行して実行できることを覚えておいてください。したがって、スケジュールされたジョブの数を 2 倍にすると、完全な再計算の時間が半分になります。等。
私たちが得たもの:
- Python グラフをほぼ瞬時に生成し、1C で表示する機会を得ました。
- Python によって計算されたテクニカル インジケーターを 1C で保存し、クエリ言語でそれらを使用する可能性をレポートします。
- 分析ツールと予測ツールを接続する機能 1C。たとえば、1C アナリティクス。
v8.1c.ru/platforma/1s-analitika
詳細はドキュメントに記載されています
続きを読む...