Discussion :

[lulu4466]

Bonjour la communauté.
J'ai ce problème ligne 117 sur le code. (surligné en gras au début de mon message)
Pouvez-vous m'aider? Je travaille sur python 3.6 et avec google colaboratory.
Fichier "Ticker List" ci joint: Ticker List.xlsx


NameError Traceback (most recent call last)
<ipython-input-42-da3c2626ecb3> in <module>()
----> 1 a=setup(data_22,target='Gold-T+22',
2 ignore_features=['Date'],session_id=11,
3 silent=True,profile=False);

NameError: name 'setup' is not defined

Voici mon code-ci dessous. Mon fichier Ticker List ci-joint.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
#Importing Libraries
!python -m pip install yahoofinancials
import pandas as pd
from datetime import datetime
import matplotlib.pyplot as plt
from yahoofinancials import YahooFinancials
ticker_details = pd.read_excel("Ticker List.xlsx")
ticker_details.head(20)
ticker = ticker_details['Ticker'].to_list()
names = ticker_details['Description'].to_list()
#Extracting Data from Yahoo Finance and Adding them to Values table using date as key
end_date= "2020-09-16"
start_date = "2009-01-01"
date_range = pd.bdate_range(start=start_date,end=end_date)
values = pd.DataFrame({ 'Date': date_range})
values['Date']= pd.to_datetime(values['Date'])
#Extracting Data from Yahoo Finance and Adding them to Values table using date as key
for i in ticker:
    raw_data = YahooFinancials(i)
    raw_data = raw_data.get_historical_price_data(start_date, end_date, "daily")
    df = pd.DataFrame(raw_data[i]['prices'])[['formatted_date','adjclose']]
    df.columns = ['Date1',i]
    df['Date1']= pd.to_datetime(df['Date1'])
    values = values.merge(df,how='left',left_on='Date',right_on='Date1')
    values = values.drop(labels='Date1',axis=1)
#Renaming columns to represent instrument names rather than their ticker codes for ease of readability
names.insert(0,'Date')
values.columns = names
print(values.shape)
print(values.isna().sum())
values.tail()
#Front filling the NaN values in the data set
values = values.fillna(method="ffill",axis=0)
values = values.fillna(method="bfill",axis=0)
values.isna().sum()
# Co-ercing numeric type to all columns except Date
cols=values.columns.drop('Date')
values[cols] = values[cols].apply(pd.to_numeric,errors='coerce').round(decimals=1)
values.tail()
values.to_csv("Training Data_Values.csv")
imp = ['Gold','Brent Futures', 'CAC 40','Microsoft']
# Calculating Short term -Historical Returns
change_days = [1,3,5,14,21]
data = pd.DataFrame(data=values['Date'])
for i in change_days:
    print(data.shape)
    x= values[cols].pct_change(periods=i).add_suffix("-T-"+str(i))
    data=pd.concat(objs=(data,x),axis=1)
    x=[]
print(data.shape)
# Calculating Long term Historical Returns
change_days = [60,90,180,250]
for i in change_days:
    print(data.shape)
    x= values[imp].pct_change(periods=i).add_suffix("-T-"+str(i))
    data=pd.concat(objs=(data,x),axis=1)
    x=[]
print(data.shape)
#Calculating Moving averages for Microsoft
moving_avg = pd.DataFrame(values['Date'],columns=['Date'])
moving_avg['Date']=pd.to_datetime(moving_avg['Date'],format='%Y-%b-%d')
moving_avg['Microsoft/15SMA'] = (values['Microsoft']/(values['Microsoft'].rolling(window=15).mean()))-1
moving_avg['Microsoft/30SMA'] = (values['Microsoft']/(values['Microsoft'].rolling(window=30).mean()))-1
moving_avg['Microsoft/60SMA'] = (values['Microsoft']/(values['Microsoft'].rolling(window=60).mean()))-1
moving_avg['Microsoft/90SMA'] = (values['Microsoft']/(values['Microsoft'].rolling(window=90).mean()))-1
moving_avg['Microsoft/180SMA'] = (values['Microsoft']/(values['Microsoft'].rolling(window=180).mean()))-1
moving_avg['Microsoft/90EMA'] = (values['Microsoft']/(values['Microsoft'].ewm(span=90,adjust=True,ignore_na=True).mean()))-1
moving_avg['Microsoft/180EMA'] = (values['Microsoft']/(values['Microsoft'].ewm(span=180,adjust=True,ignore_na=True).mean()))-1
moving_avg = moving_avg.dropna(axis=0)
print(moving_avg.shape)
moving_avg.head()
#Merging Moving Average values to the feature space
print(data.shape)
data['Date']=pd.to_datetime(data['Date'],format='%Y-%b-%d')
data = pd.merge(left=data,right=moving_avg,how='left',on='Date')
print(data.shape)
data.isna().sum()
#Caluculating forward returns for Target
y = pd.DataFrame(data=values['Date'])
print(y.shape)
y['Microsoft-T+14']=values["Microsoft"].pct_change(periods=-14)
y['Microsoft-T+22']=values["Microsoft"].pct_change(periods=-22)
print(y.shape)
y.isna().sum()
# Removing NAs
print(data.shape)
data = data[data['Microsoft-T-250'].notna()]
y = y[y['Microsoft-T+22'].notna()]
print(data.shape)
print(y.shape)
#Adding Target Variables
data = pd.merge(left=data,right=y,how='inner',on='Date',suffixes=(False,False))
print(data.shape)
data.isna().sum()
data.to_csv("Training Data.csv",index=False)
corr = data.corr().iloc[:,-2:].drop(labels=['Microsoft-T+14','Microsoft-T+22'],axis=0)
import seaborn as sns
import numpy as np
sns.distplot(corr.iloc[:,0])
pd.set_option('display.max_rows', None)
corr_data = data.tail(2000).corr()
corr_data = pd.DataFrame(corr_data['Microsoft-T+14'])
#corr_data = corr_data.iloc[3:,]
corr_data = corr_data.sort_values('Microsoft-T+14',ascending=False)
#corr_data
sns.distplot(corr_data)
data = pd.read_csv("Training Data.csv")
!pip install matplotlib-venn
!apt-get -qq install -y libfluidsynth1
from google.colab import drive
drive.mount('/content/drive')
!pip install pycaret
from pycaret.utils import enable_colab 
enable_colab()
data_22= data.drop(['Microsoft-T+14'],axis=1)
data_22.head()
a=setup(data_22,target='Gold-T+22',
        ignore_features=['Date'],session_id=11,
        silent=True,profile=False);

Merci de votre aide.

[wiztricks]

Salut,

L'erreur vous dit juste que la fonction/variable setup n'est pas définie.

Si c'est vous qui avez écrit ce code, vous devriez savoir de quel module l'importer (ou écrire la fonction qui va bien).

- W

[lg_53]

1)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
from numpy import array
x=array([1,2,3])

fonctionne, mais

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

x=array([1,2,3])

tout seul, ne fonctionne pas. Car la fonction array est inconnue. Votre problème est le même avec votre fonction setup.

2) Quand on cherche d'où vient un problème, vous faites d'abord une sauvegarde de votre code, et puis après vous éliminer des trucs au fur à mesure. Vous relancer, si vous voyez que l'erreur est toujours là continuer. Sinon remettez le dernier bout éliminer et réeffacer autre chose. Ca permet de réduire au maximum le code, et d'identifier les problèmes. Plus il y a de codes plus c'est difficile à identifier. Ca doit etre un automatisme quand on programme et qu'on debogue. D'autant plus que souvent ca conduit à la solution, et si vraiment ca n'y conduit pas, et bien à la fin on a un code postable sur un forum, car il est court et représente bien le problème. Ce qui n'est pas le cas dans votre post.

[lulu4466]

J'ai trouvé la solution.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
 
!pip install pycaret
#If you are importing downloaded dataset
data = pd.read_csv("Training Data.csv")
from pycaret.regression import *
#We have two target columns. We will remove the T+14 day Target
data_22= data.drop(['Microsoft-T+14'],axis=1)
a=setup(data_22,target='Microsoft-T+22',
        ignore_features=['Date'],session_id=11,
        silent=True,profile=False);