Python數(shù)據(jù)分析入門：比特幣價格漲幅趨勢分布

李文鵬發(fā)布于2021-11-17 09:33 / 1541人閱讀

摘要：看著這份臺詞是不是很眼熟，我稍稍改了一下，曾經差一點點點就購買比特幣了，腸子都悔青了現(xiàn)在，今天對比特幣做一個簡單的數(shù)據(jù)分析。

大家好，我是辣條。

曾經有一個真摯的機會，擺在我面前，但是我沒有珍惜，等到失去的時候才后悔莫及，塵世間最痛苦的事莫過于此，如果老天可以再給我一個再來一次機會的話，我會買下那個比特幣，哪怕付出所有零花錢，如果非要在這個機會加上一個期限的話，我希望是十年前。

看著這份臺詞是不是很眼熟，我稍稍改了一下，曾經差一點點點就購買比特幣了，腸子都悔青了現(xiàn)在，今天對比特幣做一個簡單的數(shù)據(jù)分析。

# 安裝對應的第三方庫!pip install pandas ?!pip install numpy!pip install seaborn!pip install matplotlib!pip install sklearn!pip install tensorflow

使用技術點:

1. 數(shù)據(jù)處理 - pandas2. 科學運算 - numpy3. 數(shù)據(jù)可視化 - seaborn matplotlib

使用工具:

1. anaconda2. notebook3. python3.7版本

導入第三方庫

#a|T + enter  notebook運行方式import pandas as pd # 數(shù)據(jù)處理import numpy as np # 科學運算import seaborn as sns # 數(shù)據(jù)可視化import matplotlib.pyplot as plt # 數(shù)據(jù)可視化?import warningsimport warningswarnings.filterwarnings("ignore")

如遇到導包報錯可以看看是不是自己的第三方庫的版本問題

# 設置圖表與 線格式plt.rcParams["figure.figsize"] = (10, 10)plt.rcParams["lines.linewidth"] = 2plt.style.use("ggplot")# 讀取數(shù)據(jù)集df = pd.read_csv("./DOGE-USD.csv")df.head() # 查看前5行

	Date	Open	High	Low	Close	Adj Close	Volume
0	2014-09-17	0.000293	0.000299	0.000260	0.000268	0.000268	1463600.0
1	2014-09-18	0.000268	0.000325	0.000267	0.000298	0.000298	2215910.0
2	2014-09-19	0.000298	0.000307	0.000275	0.000277	0.000277	883563.0
3	2014-09-20	0.000276	0.000310	0.000267	0.000292	0.000292	993004.0
4	2014-09-21	0.000293	0.000299	0.000284	0.000288	0.000288	539140.0

df.isnull().sum() # 統(tǒng)計缺失值的總和(sum())Date ? ? ? ? 0Open ? ? ? ? 5High ? ? ? ? 5Low ? ? ? ?  5Close ? ? ?  5Adj Close ?  5Volume ? ? ? 5dtype: int64df.duplicated().sum() # 查看重復值0# 數(shù)據(jù)類型 分布基本情況df.info()RangeIndex: 2591 entries, 0 to 2590Data columns (total 7 columns): # ? Column ? ? Non-Null Count  Dtype ?---  ------ ? ? --------------  ----- ? 0 ? Date ? ? ? 2591 non-null ? object  1 ? Open ? ? ? 2586 non-null ? float64 2 ? High ? ? ? 2586 non-null ? float64 3 ? Low ? ? ?  2586 non-null ? float64 4 ? Close ? ?  2586 non-null ? float64 5 ? Adj Close  2586 non-null ? float64 6 ? Volume ? ? 2586 non-null ? float64dtypes: float64(6), object(1)memory usage: 141.8+ KB# 轉換 Date的類型df["Date"] = pd.to_datetime(df.Date, dayfirst=True)# 索引重置 讓Date時間格式成為 索引  inplace新建對象df.set_index("Date", inplace=True)df

	Open	High	Low	Close	Adj Close	Volume
Date
2014-09-17	0.000293	0.000299	0.000260	0.000268	0.000268	1.463600e+06
2014-09-18	0.000268	0.000325	0.000267	0.000298	0.000298	2.215910e+06
2014-09-19	0.000298	0.000307	0.000275	0.000277	0.000277	8.835630e+05
2014-09-20	0.000276	0.000310	0.000267	0.000292	0.000292	9.930040e+05
2014-09-21	0.000293	0.000299	0.000284	0.000288	0.000288	5.391400e+05
...	...	...	...	...	...	...
2021-10-16	0.233881	0.244447	0.233683	0.237292	0.237292	1.541851e+09
2021-10-17	0.237193	0.241973	0.226380	0.237898	0.237898	1.397143e+09
2021-10-18	0.237806	0.271394	0.237488	0.247281	0.247281	5.003366e+09
2021-10-19	NaN	NaN	NaN	NaN	NaN	NaN
2021-10-20	0.245199	0.246838	0.242384	0.246078	0.246078	1.187871e+09

2591 rows × 6 columns

df = df.asfreq("d") # 按照天數(shù)采集數(shù)據(jù)df = df.fillna(method="bfill") # 缺失值填充 下一條數(shù)據(jù)填充df

	Open	High	Low	Close	Adj Close	Volume
Date
2014-09-17	0.000293	0.000299	0.000260	0.000268	0.000268	1.463600e+06
2014-09-18	0.000268	0.000325	0.000267	0.000298	0.000298	2.215910e+06
2014-09-19	0.000298	0.000307	0.000275	0.000277	0.000277	8.835630e+05
2014-09-20	0.000276	0.000310	0.000267	0.000292	0.000292	9.930040e+05
2014-09-21	0.000293	0.000299	0.000284	0.000288	0.000288	5.391400e+05
...	...	...	...	...	...	...
2021-10-16	0.233881	0.244447	0.233683	0.237292	0.237292	1.541851e+09
2021-10-17	0.237193	0.241973	0.226380	0.237898	0.237898	1.397143e+09
2021-10-18	0.237806	0.271394	0.237488	0.247281	0.247281	5.003366e+09
2021-10-19	0.245199	0.246838	0.242384	0.246078	0.246078	1.187871e+09
2021-10-20	0.245199	0.246838	0.242384	0.246078	0.246078	1.187871e+09

2591 rows × 6 columns

In [14]:

# 開盤價的分布情況df["Open"].plot(figsize=(12, 8))

結論:從上圖可以看出 BTB是在2021年份開始爆發(fā)式的增長 在2015 到 2021 一直都是沒有較大波動

# 成交情況df["Volume"].plot(figsize=(12, 8))

# 投資價值df["Total Pos"] = df.sum(axis=1)df["Total Pos"].plot(figsize=(10, 8))

結論:開盤價高 投資價值搞 比較合適做賣出操作 實現(xiàn)一夜暴富(開玩笑的)

# 當前元素與先前元素的相差百分比df["Daily Reture"] = df["Total Pos"].pct_change(1)# 日收益率的平均df["Daily Reture"].mean()df["Daily Reture"].plot(kind="kde")

SR = df["Daily Reture"].mean() / df["Daily Reture"].std()all_plot = df/df.iloc[0]all_plot.plot(figsize=(24, 16))

df.hist(bins=100, figsize=(12, 6))

# 按照年份進行采樣df.resample(rule="A").mean()

	Open	High	Low	Close	Adj Close	Volume	Total Pos	Daily Reture
Date
2014-12-31	0.000249	0.000259	0.000240	0.000248	0.000248	8.059213e+05	8.059213e+05	1.028630
2015-12-31	0.000143	0.000147	0.000139	0.000143	0.000143	1.685476e+05	1.685476e+05	0.139461
2016-12-31	0.000235	0.000242	0.000229	0.000235	0.000235	2.564834e+05	2.564834e+05	0.259038
2017-12-31	0.001576	0.001708	0.001468	0.001601	0.001601	1.118996e+07	1.118996e+07	0.225833
2018-12-31	0.004368	0.004577	0.004125	0.004350	0.004350	2.172325e+07	2.172325e+07	0.109586
2019-12-31	0.002564	0.002631	0.002499	0.002563	0.002563	4.463969e+07	4.463969e+07	0.027981
2020-12-31	0.002736	0.002822	0.002660	0.002744	0.002744	1.290465e+08	1.290465e+08	0.052314
2021-12-31	0.200410	0.215775	0.185770	0.201272	0.201272	4.620961e+09	4.620961e+09	0.260782

# 年平均收盤價df["Open"].resample("A").mean().plot.bar(title="Yearly Mean Closing Price", color=["#b41f7d"])

# 月度df["Open"].resample("M").mean().plot.bar(figsize=(18, 12), color="red")

# 分別獲取對應時間窗口  6 12 2 均值df["6-month-SMA"] = df["Open"].rolling(window=6).mean()df["12-month-SMA"] = df["Open"].rolling(window=12).mean()df["2-month-SMA"] = df["Open"].rolling(window=2).mean()df.head(10)

	Open	High	Low	Close	Adj Close	Volume	Total Pos	Daily Reture	6-month-SMA	12-month-SMA	2-month-SMA
Date
2014-09-17	0.000293	0.000299	0.000260	0.000268	0.000268	1463600.0	1.463600e+06	NaN	NaN	NaN	NaN
2014-09-18	0.000268	0.000325	0.000267	0.000298	0.000298	2215910.0	2.215910e+06	0.514013	NaN	NaN	0.000281
2014-09-19	0.000298	0.000307	0.000275	0.000277	0.000277	883563.0	8.835630e+05	-0.601264	NaN	NaN	0.000283
2014-09-20	0.000276	0.000310	0.000267	0.000292	0.000292	993004.0	9.930040e+05	0.123863	NaN	NaN	0.000287
2014-09-21	0.000293	0.000299	0.000284	0.000288	0.000288	539140.0	5.391400e+05	-0.457062	NaN	NaN	0.000285
2014-09-22	0.000288	0.000301	0.000285	0.000298	0.000298	620222.0	6.202220e+05	0.150391	0.000286	NaN	0.000291
2014-09-23	0.000298	0.000318	0.000295	0.000313	0.000313	739197.0	7.391970e+05	0.191826	0.000287	NaN	0.000293
2014-09-24	0.000314	0.000353	0.000310	0.000348	0.000348	1277840.0	1.277840e+06	0.728687	0.000295	NaN	0.000306
2014-09-25	0.000347	0.000383	0.000332	0.000375	0.000375	2393610.0	2.393610e+06	0.873169	0.000303	NaN	0.000331
2014-09-26	0.000374	0.000467	0.000373	0.000451	0.000451	4722610.0	4.722610e+06	0.973007	0.000319	NaN	0.000361

進行可視化查看對應分布情況

df[["Open", "6-month-SMA", "12-month-SMA", "2-month-SMA"]].plot(figsize=(24, 10))

df[["Open","6-month-SMA"]].plot(figsize=(18,10))

df[["Open","6-month-SMA"]].iloc[:100].plot(figsize=(12,6)).autoscale(axis="x",tight=True)

df["EWMA12"] = df["Open"].ewm(span=14,adjust=True).mean()df[["Open","EWMA12"]].plot(figsize=(24,12))

df[["Open","EWMA12"]].iloc[:50].plot(figsize=(12,6)).autoscale(axis="x",tight=True)

?????疑難解答、學習資料、路線圖可通過搜索下方???

云服務器 GPU云服務器以太幣和比特幣比特幣比特幣勒索什么是比特幣

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/123626.html

koa2開發(fā)微信公眾號: 不定期推送最新幣圈消息

摘要：背景比特幣說好的分叉最后卻分叉不成，如今算力又不夠，于是比特現(xiàn)金想篡位沒一個星期就漲了快倍，錯過這趟快車甚是后悔，于是打算寫一個可不定期推送最新消息的微信公眾號。既然是利用微信這個平臺載體，當然要熟悉微信的，遂封裝了一下。背景：比特幣說好的segwit2x分叉最后卻分叉不成，如今算力又不夠，于是比特現(xiàn)金想篡位? 沒一個星期就漲了快10倍，錯過這趟快車甚是后悔，于是打算寫一個可不定期推...

xi4oh4o 2019-06-27 18:12 評論0 收藏0
小牛市啟示錄：有價值何必等風來

摘要：很多人將這一波的上漲解讀為比特幣小牛市的到來，無論從技術層面還是從消息層面來看，比特幣都有逐步回暖的跡象。到日，關于英雄鏈網(wǎng)絡詐騙案被破獲的報道便鋪天蓋地地傳播開來。摘要：不在風口上，長了翅膀的項目同樣可以起飛，價值終究會超越時間。 showImg(https://segmentfault.com/img/bVbrS0N?w=4096&h=3575); 自四月初以來，比特幣就開啟了起...

xiaoqibTn 2019-08-23 17:09 評論0 收藏0
小牛市啟示錄：有價值何必等風來

摘要：很多人將這一波的上漲解讀為比特幣小牛市的到來，無論從技術層面還是從消息層面來看，比特幣都有逐步回暖的跡象。到日，關于英雄鏈網(wǎng)絡詐騙案被破獲的報道便鋪天蓋地地傳播開來。摘要：不在風口上，長了翅膀的項目同樣可以起飛，價值終究會超越時間。 showImg(https://segmentfault.com/img/bVbrS0N?w=4096&h=3575); 自四月初以來，比特幣就開啟了起...

cartoon 2019-08-16 17:01 評論0 收藏0
區(qū)塊鏈2018年度盤點

摘要：加密數(shù)字貨幣價格巔峰，區(qū)塊鏈成二線企業(yè)股價春藥年月日，是區(qū)塊鏈行業(yè)的高光時刻，整個加密數(shù)字貨幣市值億美元，人民幣近萬億元。直接原因是，當日，中網(wǎng)載線剛剛宣布與井通網(wǎng)絡科技有限公司合作開展區(qū)塊鏈產業(yè)。加密數(shù)字貨幣價格巔峰，區(qū)塊鏈成二線企業(yè)股價春藥 2018 年 1 月 8 日，是區(qū)塊鏈行業(yè)的高光時刻，整個加密數(shù)字貨幣市值 8139 億美元，人民幣近 6 萬億元。在 10 天之前，12 ...

changfeng1050 2019-06-27 19:01 評論0 收藏0
通過Python入門區(qū)塊鏈

摘要：通過入門區(qū)塊鏈本文翻譯自的文章原文地址區(qū)塊鏈可能是繼互聯(lián)網(wǎng)之后最重大和最具突破性的技術。先不管對比特幣和其他加密貨幣價格的瘋狂行情，本文旨在幫助讀者入門區(qū)塊鏈技術。通過Python入門區(qū)塊鏈本文翻譯自 Adil Moujahid 的文章 A Practical Introduction to Blockchain with Python原文地址：http://adilmoujahi...

andong777 2019-06-27 18:18 評論0 收藏0