Python数据分析入门：比特币价格涨幅趋势分布

李文鹏发布于2021-11-17 09:33 / 1505人阅读

摘要：看着这份台词是不是很眼熟，我稍稍改了一下，曾经差一点点点就购买比特币了，肠子都悔青了现在，今天对比特币做一个简单的数据分析。

大家好，我是辣条。

曾经有一个真挚的机会，摆在我面前，但是我没有珍惜，等到失去的时候才后悔莫及，尘世间最痛苦的事莫过于此，如果老天可以再给我一个再来一次机会的话，我会买下那个比特币，哪怕付出所有零花钱，如果非要在这个机会加上一个期限的话，我希望是十年前。

看着这份台词是不是很眼熟，我稍稍改了一下，曾经差一点点点就购买比特币了，肠子都悔青了现在，今天对比特币做一个简单的数据分析。

# 安装对应的第三方库!pip install pandas  !pip install numpy!pip install seaborn!pip install matplotlib!pip install sklearn!pip install tensorflow

使用技术点:

1. 数据处理 - pandas2. 科学运算 - numpy3. 数据可视化 - seaborn matplotlib

使用工具:

1. anaconda2. notebook3. python3.7版本

导入第三方库

#a|T + enter  notebook运行方式import pandas as pd # 数据处理import numpy as np # 科学运算import seaborn as sns # 数据可视化import matplotlib.pyplot as plt # 数据可视化import warningsimport warningswarnings.filterwarnings("ignore")

如遇到导包报错可以看看是不是自己的第三方库的版本问题

# 设置图表与 线格式plt.rcParams["figure.figsize"] = (10, 10)plt.rcParams["lines.linewidth"] = 2plt.style.use("ggplot")# 读取数据集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() # 统计缺失值的总和(sum())Date         0Open         5High         5Low          5Close        5Adj Close    5Volume       5dtype: int64df.duplicated().sum() # 查看重复值0# 数据类型 分布基本情况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# 转换 Date的类型df["Date"] = pd.to_datetime(df.Date, dayfirst=True)# 索引重置 让Date时间格式成为 索引  inplace新建对象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") # 按照天数采集数据df = df.fillna(method="bfill") # 缺失值填充 下一条数据填充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]:

# 开盘价的分布情况df["Open"].plot(figsize=(12, 8))

结论:从上图可以看出 BTB是在2021年份开始爆发式的增长 在2015 到 2021 一直都是没有较大波动

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

# 投资价值df["Total Pos"] = df.sum(axis=1)df["Total Pos"].plot(figsize=(10, 8))

结论:开盘价高 投资价值搞 比较合适做卖出操作 实现一夜暴富(开玩笑的)

# 当前元素与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))

# 按照年份进行采样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

# 年平均收盘价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")

# 分别获取对应时间窗口  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

进行可视化查看对应分布情况

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)

?? 疑难解答、学习资料、路线图可通过搜索下方 ??

云服务器 GPU云服务器以太币和比特币比特币比特币勒索什么是比特币

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/123626.html

koa2开发微信公众号: 不定期推送最新币圈消息

摘要：背景比特币说好的分叉最后却分叉不成，如今算力又不够，于是比特现金想篡位没一个星期就涨了快倍，错过这趟快车甚是后悔，于是打算写一个可不定期推送最新消息的微信公众号。既然是利用微信这个平台载体，当然要熟悉微信的，遂封装了一下。背景：比特币说好的segwit2x分叉最后却分叉不成，如今算力又不够，于是比特现金想篡位? 没一个星期就涨了快10倍，错过这趟快车甚是后悔，于是打算写一个可不定期推...

xi4oh4o 2019-06-27 18:12 评论0 收藏0
小牛市启示录：有价值何必等风来

摘要：很多人将这一波的上涨解读为比特币小牛市的到来，无论从技术层面还是从消息层面来看，比特币都有逐步回暖的迹象。到日，关于英雄链网络诈骗案被破获的报道便铺天盖地地传播开来。摘要：不在风口上，长了翅膀的项目同样可以起飞，价值终究会超越时间。 showImg(https://segmentfault.com/img/bVbrS0N?w=4096&h=3575); 自四月初以来，比特币就开启了起...

xiaoqibTn 2019-08-23 17:09 评论0 收藏0
小牛市启示录：有价值何必等风来

摘要：很多人将这一波的上涨解读为比特币小牛市的到来，无论从技术层面还是从消息层面来看，比特币都有逐步回暖的迹象。到日，关于英雄链网络诈骗案被破获的报道便铺天盖地地传播开来。摘要：不在风口上，长了翅膀的项目同样可以起飞，价值终究会超越时间。 showImg(https://segmentfault.com/img/bVbrS0N?w=4096&h=3575); 自四月初以来，比特币就开启了起...

cartoon 2019-08-16 17:01 评论0 收藏0
区块链2018年度盘点

摘要：加密数字货币价格巅峰，区块链成二线企业股价春药年月日，是区块链行业的高光时刻，整个加密数字货币市值亿美元，人民币近万亿元。直接原因是，当日，中网载线刚刚宣布与井通网络科技有限公司合作开展区块链产业。加密数字货币价格巅峰，区块链成二线企业股价春药 2018 年 1 月 8 日，是区块链行业的高光时刻，整个加密数字货币市值 8139 亿美元，人民币近 6 万亿元。在 10 天之前，12 ...

changfeng1050 2019-06-27 19:01 评论0 收藏0
通过Python入门区块链

摘要：通过入门区块链本文翻译自的文章原文地址区块链可能是继互联网之后最重大和最具突破性的技术。先不管对比特币和其他加密货币价格的疯狂行情，本文旨在帮助读者入门区块链技术。通过Python入门区块链本文翻译自 Adil Moujahid 的文章 A Practical Introduction to Blockchain with Python原文地址：http://adilmoujahi...

andong777 2019-06-27 18:18 评论0 收藏0