Python中文社区 （ID:python-china）
在市值排名前 10 的加密货币中，从纯粹的经济角度来看，你认为自 2017 年以来表现最好的加密货币是哪一种？
不管你信不信，币安自己的 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货币是哪个。
在运行脚本之前，我很确定它可能将是 DOGE。所以我坐在这里，等待历史数据下载，以便我的脚本可以绘制一些加密图表。
脚本运行完毕，结果出来了，感谢中本聪，这不是 DOGE。哦，等等，这更有趣——它是 BNB。
自 2017 年以来，BNB 已上涨超过 20,000%。
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(f'data/{coin}_{since}.csv'):
- print('Datafile already exists, loading file...')
- else:
- print(f'Fetching 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(f'data/{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(f'Historical 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。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(f'data/{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。
