用 Python 筛选收益优秀的加密货币

 

Python中文社区 （ID:python-china）

在市值排名前 10 的用P益优加密货币中，从纯粹的选收秀经济角度来看，你认为自 2017 年以来表现最好的加密加密货币是哪一种？

不管你信不信，币安自己的货币 BNB 实际上远远超过了其他所有加密货币。我编写了一个脚本来帮助我了解几种加密货币的用P益优历史表现，当我决定只加入前 10 名加密货币并看看表现最好的选收秀货币是哪个。

在运行脚本之前，加密我很确定它可能将是货币 DOGE。所以我坐在这里，用P益优等待历史数据下载，选收秀以便我的加密脚本可以绘制一些加密图表。

脚本运行完毕，货币结果出来了，用P益优感谢中本聪，选收秀这不是加密 DOGE。哦，等等，这更有趣——它是 BNB。

自 2017 年以来，BNB 已上涨超过 20,000%。云南idc服务商

程序能够为你下载历史数据，并分析任意数量的币种。如果您想对任意数量的加密货币的收益百分比进行快速比较分析，这很方便。您所需要的只是一些 Python 知识。

编写加密货币分析工具

该代码也可在 GitHub 上找到。 

https://github.com/CyberPunkMetalHead/crypto-performance-tracker 

首先创建一个文本文件并将其命名为coins.txt。在此文本文件中，放入一些您想要分析的币种名称。它们需要包含配对符号，并且每行必须是 1 个货币，不能有逗号： 

BTCUSDT  ETHUSDT  BNBUSDT 

创建一个 binancedata.py 文件。我们将使用此文件轮询 Binance API 以获取我们需要的金融数据。由于我们使用的是开放端口，因此不需要 API 密钥和密码。

让我们导入一些依赖项并定义一个空的 Binance 客户端： 

# needed for the binance API and websockets  from binance.client import Client  import csv  import os  import time  from datetime import date, datetime  client = Client() 

现在让我们编写一个函数来从我们的coins.txt文件中打开和读取货币： 

def get_coins():      with open(coins.txt, r) as f:          coins = f.readlines()          coins = [coin.strip(\n) for coin in coins]      return coins 

此文件中的最后一个函数将为我们获取历史数据并以 CSV 格式保存： 

def get_historical_data(coin, since, kline_interval):      """      Args example:      coin = BTCUSDT      since = 1 Jan 2021      kline_interval = Client.KLINE_INTERVAL_1MINUTE     """      if os.path.isfile(fdata/{ coin}_{ since}.csv):          print(Datafile already exists, loading file...)      else:          print(fFetching historical data for { coin}, this may take a few minutes...)          start_time = time.perf_counter()          data = client.get_historical_klines(coin, kline_interval, since)          data = [item[0:5] for item in data]          # field names          fields = [timstamp, high, low, open, close]          # save the data          with open(fdata/{ coin}_{ since}.csv, w, newline=) as f:              # using csv.writer method from CSV package              write = csv.writer(f)              write.writerow(fields)              write.writerows(data)          end_time = time.perf_counter()          # calculate how long it took to produce the file          time_elapsed = round(end_time - start_time)          print(fHistorical data for { coin} saved as { coin}_{ since}.csv. Time elapsed: { time_elapsed} seconds)      return f{ coin}_{ since}.csv 

此函数还将检查文件是否已经存在，如果存在它不会再次下载。亿华云该函数接受 3 个参数：coin、since 和 kline_interval。检查函数下方的注释，了解我们将传递给这些参数的正确格式。

保存文件，现在是创建我们的主要执行文件的时候了，我们将把这个文件的内容导入到其中。

继续创建一个 main.py 文件并安装以下依赖项： 

from binancedata import *  import threading  import matplotlib.pyplot as plt  import matplotlib.cbook as cbook  import numpy as np  import pandas as pd  # needed for the binance API and websockets  from binance.client import Client  import csv  import os  import time  from datetime import datetime, date 

让我们开始一些线程。该脚本是为了一次下载多个数据文件，所以为了避免等待一次下载每个历史数据文件，我们将使用线程并下载这些文件，如下所示： 

threads = []  coins = get_coins()  for coin in coins:      t = threading.Thread(target=get_historical_data, args=(coin, 1 Jan 2017, Client.KLINE_INTERVAL_1DAY) ) #get_historical_data(ETHUSDT, 1 Jan 2021, Client.KLINE_INTERVAL_1MINUTE)     t.start()      threads.append(t)  [thread.join() for thread in threads] 

现在我们需要一个函数来返回我们下载的所有数据文件的文件名： 

def get_all_filenames():      return [get_historical_data(coin, 1 Jan 2017, Client.KLINE_INTERVAL_1DAY) for coin in coins] 

最后，我们将定义主要函数，我们将在其中绘制这些数据并运行脚本： 

def main():      historical_data = get_all_filenames()      for file in historical_data:          data = pd.read_csv(fdata/{ file})          rolling_percentage = data[close]          rolling_percentage = [(item - rolling_percentage[0]) / rolling_percentage[0]*100 for item in rolling_percentage ]          timestamp = data[timstamp]          timestamp = [datetime.fromtimestamp(item/1000) for item in timestamp]          plt.legend()          plt.plot(timestamp, rolling_percentage, label=file)          plt.xlabel("Date")          plt.ylabel("% gain")      plt.show()  if __name__ == "__main__":      main() 

现在剩下要做的就是在脚本目录中创建一个空文件夹并将其命名为 data。大功告成，您现在可以分析您想要的所有代币的历史收益。