# 读取配置
from config_jingbo import *
# from config_tansuanli import *
from lib.tools import *
from lib.dataread import *
from models.nerulforcastmodels import ex_Model, model_losss, brent_export_pdf, tansuanli_export_pdf
from models.lstmmodels import ex_Lstm_M, ex_Lstm
from models.grumodels import ex_GRU
import glob
import torch
torch.set_float32_matmul_precision("high")


names = [
    '价格预测NHITS模型-次周',
    '价格预测Informer模型-次周',
    '价格预测LSTM模型-次周',
    '价格预测iTransformer模型-次周',
    '价格预测TSMixer模型-次周',
    '价格预测TSMixerx模型-次周',
    '价格预测PatchTST模型-次周',
    '价格预测RNN模型-次周',
    '价格预测GRU模型-次周',
    '价格预测TCN模型-次周',
    '价格预测BiTCN模型-次周',
    '价格预测DilatedRNN模型-次周',
    '价格预测MLP模型-次周',
    '价格预测DLinear模型-次周',
    '价格预测NLinear模型-次周',
    '价格预测TFT模型-次周',
    '价格预测FEDformer模型-次周',
    '价格预测StemGNN模型-次周',
    '价格预测MLPMultivariate模型-次周',
    '价格预测TiDE模型-次周',
    '价格预测DeepNPTS模型-次周',
    '价格预测NBEATS模型-次周',
    '价格预测NHITS模型-隔周',
    '价格预测Informer模型-隔周',
    '价格预测LSTM模型-隔周',
    '价格预测iTransformer模型-隔周',
    '价格预测TSMixer模型-隔周',
    '价格预测TSMixerx模型-隔周',
    '价格预测PatchTST模型-隔周',
    '价格预测RNN模型-隔周',
    '价格预测GRU模型-隔周',
    '价格预测TCN模型-隔周',
    '价格预测BiTCN模型-隔周',
    '价格预测DilatedRNN模型-隔周',
    '价格预测MLP模型-隔周',
    '价格预测DLinear模型-隔周',
    '价格预测NLinear模型-隔周',
    '价格预测TFT模型-隔周',
    '价格预测FEDformer模型-隔周',
    '价格预测StemGNN模型-隔周',
    '价格预测MLPMultivariate模型-隔周',
    '价格预测TiDE模型-隔周',
    '价格预测DeepNPTS模型-隔周',
    '价格预测NBEATS模型-隔周',
    '价格预测NHITS模型-次月',
    '价格预测Informer模型-次月',
    '价格预测LSTM模型-次月',
    '价格预测iTransformer模型-次月',
    '价格预测TSMixer模型-次月',
    '价格预测TSMixerx模型-次月',
    '价格预测PatchTST模型-次月',
    '价格预测RNN模型-次月',
    '价格预测GRU模型-次月',
    '价格预测TCN模型-次月',
    '价格预测BiTCN模型-次月',
    '价格预测DilatedRNN模型-次月',
    '价格预测MLP模型-次月',
    '价格预测DLinear模型-次月',
    '价格预测NLinear模型-次月',
    '价格预测TFT模型-次月',
    '价格预测FEDformer模型-次月',
    '价格预测StemGNN模型-次月',
    '价格预测MLPMultivariate模型-次月',
    '价格预测TiDE模型-次月',
    '价格预测DeepNPTS模型-次月',
    '价格预测NBEATS模型-次月',
    '价格预测NHITS模型-次二月',
    '价格预测Informer模型-次二月',
    '价格预测LSTM模型-次二月',
    '价格预测iTransformer模型-次二月',
    '价格预测TSMixer模型-次二月',
    '价格预测TSMixerx模型-次二月',
    '价格预测PatchTST模型-次二月',
    '价格预测RNN模型-次二月',
    '价格预测GRU模型-次二月',
    '价格预测TCN模型-次二月',
    '价格预测BiTCN模型-次二月',
    '价格预测DilatedRNN模型-次二月',
    '价格预测MLP模型-次二月',
    '价格预测DLinear模型-次二月',
    '价格预测NLinear模型-次二月',
    '价格预测TFT模型-次二月',
    '价格预测FEDformer模型-次二月',
    '价格预测StemGNN模型-次二月',
    '价格预测MLPMultivariate模型-次二月',
    '价格预测TiDE模型-次二月',
    '价格预测DeepNPTS模型-次二月',
    '价格预测NBEATS模型-次二月',
    '价格预测NHITS模型-次三月',
    '价格预测Informer模型-次三月',
    '价格预测LSTM模型-次三月',
    '价格预测iTransformer模型-次三月',
    '价格预测TSMixer模型-次三月',
    '价格预测TSMixerx模型-次三月',
    '价格预测PatchTST模型-次三月',
    '价格预测RNN模型-次三月',
    '价格预测GRU模型-次三月',
    '价格预测TCN模型-次三月',
    '价格预测BiTCN模型-次三月',
    '价格预测DilatedRNN模型-次三月',
    '价格预测MLP模型-次三月',
    '价格预测DLinear模型-次三月',
    '价格预测NLinear模型-次三月',
    '价格预测TFT模型-次三月',
    '价格预测FEDformer模型-次三月',
    '价格预测StemGNN模型-次三月',
    '价格预测MLPMultivariate模型-次三月',
    '价格预测TiDE模型-次三月',
    '价格预测DeepNPTS模型-次三月',
    '价格预测NBEATS模型-次三月',
    '价格预测NHITS模型-次四月',
    '价格预测Informer模型-次四月',
    '价格预测LSTM模型-次四月',
    '价格预测iTransformer模型-次四月',
    '价格预测TSMixer模型-次四月',
    '价格预测TSMixerx模型-次四月',
    '价格预测PatchTST模型-次四月',
    '价格预测RNN模型-次四月',
    '价格预测GRU模型-次四月',
    '价格预测TCN模型-次四月',
    '价格预测BiTCN模型-次四月',
    '价格预测DilatedRNN模型-次四月',
    '价格预测MLP模型-次四月',
    '价格预测DLinear模型-次四月',
    '价格预测NLinear模型-次四月',
    '价格预测TFT模型-次四月',
    '价格预测FEDformer模型-次四月',
    '价格预测StemGNN模型-次四月',
    '价格预测MLPMultivariate模型-次四月',
    '价格预测TiDE模型-次四月',
    '价格预测DeepNPTS模型-次四月',
    '价格预测NBEATS模型-次四月',
]


if __name__ == '__main__':

    signature = BinanceAPI(APPID, SECRET)
    etadata = EtaReader(signature=signature,
                        classifylisturl=classifylisturl,
                        classifyidlisturl=classifyidlisturl,
                        edbcodedataurl=edbcodedataurl,
                        edbcodelist=edbcodelist,
                        edbdatapushurl=edbdatapushurl,
                        edbdeleteurl=edbdeleteurl,
                        edbbusinessurl=edbbusinessurl,
                        classifyId=ClassifyId,
                        )

    models = [
        'NHITS',
        'Informer',
        'LSTM',
        'iTransformer',
        'TSMixer',
        'TSMixerx',
        'PatchTST',
        'RNN',
        'GRU',
        'TCN',
        'BiTCN',
        'DilatedRNN',
        'MLP',
        'DLinear',
        'NLinear',
        'TFT',
        'FEDformer',
        'StemGNN',
        'MLPMultivariate',
        'TiDE',
        'DeepNPT']

    # eta自由数据指标编码
    modelsindex = {
        'NHITS': 'SELF0000001',
        'Informer': 'SELF0000057',
        'LSTM': 'SELF0000058',
        'iTransformer': 'SELF0000059',
        'TSMixer': 'SELF0000060',
        'TSMixerx': 'SELF0000061',
        'PatchTST': 'SELF0000062',
        'RNN': 'SELF0000063',
        'GRU': 'SELF0000064',
        'TCN': 'SELF0000065',
        'BiTCN': 'SELF0000066',
        'DilatedRNN': 'SELF0000067',
        'MLP': 'SELF0000068',
        'DLinear': 'SELF0000069',
        'NLinear': 'SELF0000070',
        'TFT': 'SELF0000071',
        'FEDformer': 'SELF0000072',
        'StemGNN': 'SELF0000073',
        'MLPMultivariate': 'SELF0000074',
        'TiDE': 'SELF0000075',
        'DeepNPT': 'SELF0000076'
    }

    # df_predict = pd.read_csv('dataset/predict.csv',encoding='gbk')
    # # df_predict.rename(columns={'ds':'Date'},inplace=True)
    # for m in modelsindex.keys():
    #     list = []
    #     for date,value in zip(df_predict['ds'],df_predict[m]):
    #         list.append({'Date':date,'Value':value})
    #     data['DataList'] = list
    #     data['IndexCode'] = modelsindex[m]
    #     data['IndexName'] = f'价格预测{m}模型'
    #     data['Remark'] = m
    #     # print(data['DataList'])
    #     etadata.push_data(data)

    # 新增eta自有指标
    # list = [{'Date': '2025-04-21', 'Value': 100}]
    # for name in names:
    #     data['DataList'] = list
    #     data['IndexName'] = name
    #     data['Remark'] = name
    #     # print(data['DataList'])
    #     etadata.push_data(data)
    #     time.sleep(1)

    # 删除指标
    # SELF0000098
    # IndexCodeList = ['SELF0000098']
    # # for i in range(1,57):
    # #     if i < 10 : i = f'0{i}'
    # #     IndexCodeList.append(f'SELF00000{i}')
    # print(IndexCodeList)
    # etadata.del_zhibiao(IndexCodeList)

    # 删除特定日期的值
    # indexcodelist = modelsindex.values()
    # for indexcode in indexcodelist:
    #     data = {
    #         "IndexCode": indexcode,  # 指标编码
    #         "StartDate": "2020-04-20",  # 指标需要删除的开始日期（>=），如果开始日期和结束日期相等，那么就是删除该日期
    #         "EndDate": "2024-05-28"  # 指标需要删除的结束日期（<=），如果开始日期和结束日期相等，那么就是删除该日期
    #     }

    # etadata.del_business(data)