- 综合排序
- 最热优先
- 最新优先
- 来自专栏房东的猫
cat thread pool API
0 0 0 data-6 management 1 0 0 data-6 ml_autodetect 0 0 0 data-6 ml_datafeed 0 0 0 master-1 management 1 0 0 master-1 ml_autodetect 0 0 0 master-1 ml_datafeed 0 0 0 data-7 management 1 0 0 data-7 ml_autodetect 0 0 0 data-7 ml_datafeed 0 0 0 data-5 management 1 0 0 data-5 ml_autodetect 0 0 0 data-5 ml_datafeed 0 0 0 master-4 management 1 0 0 master-4 ml_autodetect 0 0 0 master-4 ml_datafeed
54521发布于 2021-05-26 - 来自专栏PLC
CI854 3BSE025347R1 一体化工业边缘解决方案
CI854 3BSE025347R1 一体化工业边缘解决方案图片例如，使用dataFEED OPC Server Siemens（我们的 dataFEED OPC Suite 组件之一），您可以本地读取和写入 使用 dataFEED OPC Server Siemens，无需手动导入或配置符号，因为设备直接从 PLC 读取符号信息。 西门子 dataFeed OPC Server 的其他功能包括：对西门子 S7-1200 和 S7-1500 控制器中优化数据块的本地支持。
30720编辑于 2023-05-05 - 来自专栏HONEYWELL
TRICONEX 3008 安全集成服务器(SIS)充当聚合器
通过充当两种OPC标准之间的网关，dataFEED OPC Suite还支持现有OPC经典组件和应用程序与现代工业4.0 OPC UA解决方案的集成。 同时，dataFEED OPC套件还允许将生产数据保存到文件中，或者存储在SQL数据库、MongoDB或CouchDB中。
45020编辑于 2023-04-26 Python量化交易：结合爬虫与TA-Lib技术指标分析
[0] and self.sma_fast[-1] >= self.sma_slow[-1]: self.sell()# 创建回测引擎cerebro = bt.Cerebro()datafeed = bt.feeds.PandasData(dataname=data)cerebro.adddata(datafeed)cerebro.addstrategy(SmaCrossStrategy)cerebro.broker.set_cash [0] and self.sma_fast[-1] >= self.sma_slow[-1]: self.sell()# 创建回测引擎cerebro = bt.Cerebro()datafeed fast_period in [5, 10, 15]: for slow_period in [20, 30, 50]: cerebro = bt.Cerebro() datafeed = bt.feeds.PandasData(dataname=data) cerebro.adddata(datafeed) cerebro.addstrategy(SmaCrossStrategy
1K10编辑于 2025-08-19- 来自专栏PLC
TRICONEX PM6301A 现代工业4.0
通过充当两种OPC标准之间的网关，dataFEED OPC Suite还支持现有OPC经典组件和应用程序与现代工业4.0 OPC UA解决方案的集成。 同时，dataFEED OPC套件还允许将生产数据保存到文件中，或者存储在SQL数据库、MongoDB或CouchDB中。
35020编辑于 2023-04-26 - 来自专栏DeepHub IMBA
基于强化学习的量化交易框架 TensorTrade
Stream / DataFeed：处理特征数据流。 reward_scheme / action_scheme：定义怎么操作，以及操作的好坏怎么评分。 ) 的实现，设计得比较轻量，这样可以方便后续接入 Ray： import os import pandas as pd from tensortrade.feed.core import DataFeed Renderer feed (optional, useful for plotting later) renderer_feed = DataFeed([ Stream.source Stream.source(list(dataset[col]), dtype="float").rename(col) features.append(s) feed = DataFeed from tensortrade.env.default.rewards import RewardScheme from tensortrade.feed.core import DataFeed
37400编辑于 2025-12-19 - 来自专栏量化投资与机器学习
Backtrader来啦：数据篇
) st_date = datetime.datetime(2019,1,2) ed_date = datetime.datetime(2021,1,28) # 添加 600466.SH 的行情数据 datafeed1 fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed2, name='603228 , name='600466.SH') datafeed2 = bt.feeds.PandasData(dataname=data2, fromdate=st_date, todate=ed_date) cerebro.adddata(datafeed2, name='603228 , name='600466.SH') datafeed2 = bt.feeds.PandasData(dataname=data2,
4.7K44发布于 2021-04-30 - 来自专栏钱塘小甲子的博客
Backtrader量化平台教程（八) TimeFrame
timeframe=bt.TimeFrame.Minutes ) #timeframe=bt.TimeFrame.Minutes用来指明datafeed cerebro.adddata(data0) data2 = cerebro.resampledata(data0, timeframe=bt.TimeFrame.Days)#加入另外一个新的timeframe的datafeed ，而是之前说的resampling cerebro.run() cerebro.plot(style='bar') timeframe=bt.TimeFrame.Minutes用来指明datafeed cerebro.adddata(data0) data2 = cerebro.resampledata(data0, timeframe=bt.TimeFrame.Days)#加入另外一个新的timeframe的datafeed
3.9K40发布于 2019-01-28 - 来自专栏HONEYWELL
ABB PFEA112-65 3BSE050091R65 生产数据是由来自多个制造商
通过充当两种OPC标准之间的网关，dataFEED OPC Suite还支持现有OPC经典组件和应用程序与现代工业4.0 OPC UA解决方案的集成。 同时，dataFEED OPC套件还允许将生产数据保存到文件中，或者存储在SQL数据库、MongoDB或CouchDB中。
25510编辑于 2023-05-04 - 来自专栏abb
ABB UNS4881bV4 不受限制的互操作性
Softing 正在接受实施物联网和工业 4.0 应用程序并扩展 dataFEED 产品系列的挑战，以创建一个创新的集成软件平台，为高效可靠的数字数据交换提供全面的功能，最重要的是，在三个层面上进行数据管理 dataFEED 软件平台的三重优势数据采集：完全访问来自自动化网络中各种控制器和设备的过程和机器数据。
30910编辑于 2023-05-05 - 来自专栏量化投资与机器学习
Backtrader来啦：常见问题汇总
parse_dates=['datetime']) stock_price = daily_price.query(f"sec_code=='600718.SH'").set_index('datetime') datafeed1 2019-01-02'), todate=pd.to_datetime('2021-01-28')) cerebro.adddata(datafeed1 name='600718.SH') benchmark_price = daily_price.query(f"sec_code=='600728.SH'").set_index('datetime') datafeed2 bt.analyzers.TimeReturn,_name='stock_returns') # 返回 benchmark 的收益率 cerebro.addanalyzer(bt.analyzers.TimeReturn, data=datafeed2 , _name='benchmark_returns') # 添加业绩基准的观测器 cerebro.addobserver(bt.observers.Benchmark, data=datafeed2)
2.2K11编辑于 2023-12-20 - 来自专栏PLC
TRICONEX 4500 有效管理并在标准硬件上操作
Softing对这一发展的回应是将dataFEED产品家族扩展为一个软件平台，用于创新和灵活的工业物联网解决方案中的高效数据集成。 dataFEED家族的最新发展-西门子边缘连接器-是第一款基于容器技术的产品。
41040编辑于 2023-04-25 - 来自专栏PLC
TRICONEX 4000056-006 最终处于突破和成功的边缘
Softing正在迎接实施物联网和工业4.0应用以及扩展dataFEED产品家族的挑战，以创建一个创新的集成软件平台，为高效可靠的数字数据交换提供全面的功能，尤其是在三个层面上进行数据管理。 dataFEED软件平台的三重优势数据采集:从自动化网络中的各种控制器和设备全面访问过程和机器数据。
33120编辑于 2023-04-23 - )}exportdefaultobserver(Tradingview)2.2Datafeed 数据馈送实现Datafeed是TradingView与后端数据交互的核心接口，需要实现以下方法：展开代码语言：TypeScriptAI代码解释//src/components/Tradingview/datafeed.tsclassDataFeedBase :''}/static/charting_library/`,datafeed:newDataFeedBase(datafeedParams),symbol:props.symbol,client_id (newLastBar)this.lastbar=newLastBar}}}}//Datafeed回调@actiongetDataFeedBarCallback=(obj={})=>{const{symbolInfo)}来自专栏程序员poetry的专栏
在Next.js中接入TradingView图表实践总结
本文将基于实际项目代码，系统讲解如何在Next.js项目中接入TradingViewCharts，包括环境配置、Datafeed数据馈送实现、自定义指标开发、主题样式定制、以及关键的性能优化策略。 loading-container"><divclassName="loading">
TRICONEX 4119 可安全可靠地访问各种品牌的控制器
通过充当两种OPC标准之间的网关，dataFEED OPC Suite还支持现有OPC经典组件和应用程序与现代工业4.0 OPC UA解决方案的集成。 同时，dataFEED OPC套件还允许将生产数据保存到文件中，或者存储在SQL数据库、MongoDB或CouchDB中。
TRICONEX 3401 复杂物联网平台的调节
Softing正在迎接实施物联网和工业4.0应用以及扩展dataFEED产品家族的挑战，以创建一个创新的集成软件平台，为高效可靠的数字数据交换提供全面的功能，尤其是在三个层面上进行数据管理。 dataFEED软件平台的三重优势数据采集:从自动化网络中的各种控制器和设备全面访问过程和机器数据。
ABB HESG324436R3/A 执行复杂的数据集成任务
Softing对这一发展的回应是将dataFEED产品家族扩展为一个软件平台，用于创新和灵活的工业物联网解决方案中的高效数据集成。 dataFEED家族的最新发展-西门子边缘连接器-是第一款基于容器技术的产品。
ABB HESG324428 硬件上操作的软件解决方案所取代
Softing正在迎接实施物联网和工业4.0应用以及扩展dataFEED产品家族的挑战，以创建一个创新的集成软件平台，为高效可靠的数字数据交换提供全面的功能，尤其是在三个层面上进行数据管理。 dataFEED软件平台的三重优势数据采集:从自动化网络中的各种控制器和设备全面访问过程和机器数据。
ElasticSearch常用命令
} /_cat/ml/trained_models /_cat/ml/trained_models/{model_id} /_cat/ml/datafeeds /_cat/ml/datafeeds/{datafeed_id
Backtrader来啦：常见案例汇总
'open','high','low','close']] = data_.loc[:,['open','high','low','close']].fillna(0) # 导入数据 datafeed ,'close','EP','ROE']] = data_.loc[:,['open','high','low','close']].fillna(0.0000001) # 导入数据 datafeed , timeframe=bt.TimeFrame.Months) # 将数据的时间周期设置为月度 cerebro.adddata(datafeed '2019-01-02'), todate=pd.to_datetime('2021-01-28')) cerebro.adddata(datafeed /data/IF_20200101_20220430.csv', parse_dates=['datetime'], index_col=0) datafeed = bt.feeds.PandasData
