欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python数据分析近年比特币价格涨幅趋势分布

程序员文章站 2022-06-24 21:19:47
目录使用技术点:使用工具:导入第三方库大家好,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...

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 - pandas

2. 科学运算 - numpy

3. 数据可视化 - seaborn matplotlib

使用工具:

1. anaconda

2. notebook

3. 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 warnings
import warnings
warnings.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'] = 2
plt.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         0
open         5
high         5
low          5
close        5
adj close    5
volume       5
dtype: int64
df.duplicated().sum() # 查看重复值
0
# 数据类型 分布基本情况
df.info()
<class 'pandas.core.frame.dataframe'>
rangeindex: 2591 entries, 0 to 2590
data 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   float64
dtypes: 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))

python数据分析近年比特币价格涨幅趋势分布

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))

python数据分析近年比特币价格涨幅趋势分布

# 投资价值
df['total pos'] = df.sum(axis=1)
df['total pos'].plot(figsize=(10, 8))

python数据分析近年比特币价格涨幅趋势分布

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')

python数据分析近年比特币价格涨幅趋势分布

sr = df['daily reture'].mean() / df['daily reture'].std()
all_plot = df/df.iloc[0]
all_plot.plot(figsize=(24, 16))

python数据分析近年比特币价格涨幅趋势分布

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

python数据分析近年比特币价格涨幅趋势分布

# 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'])

python数据分析近年比特币价格涨幅趋势分布

# 月度
df['open'].resample('m').mean().plot.bar(figsize=(18, 12), color='red')

python数据分析近年比特币价格涨幅趋势分布

# 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))

python数据分析近年比特币价格涨幅趋势分布

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

python数据分析近年比特币价格涨幅趋势分布

df[['open','6-month-sma']].iloc[:100].plot(figsize=(12,6)).autoscale(axis='x',tight=true)

python数据分析近年比特币价格涨幅趋势分布

df['ewma12'] = df['open'].ewm(span=14,adjust=true).mean()
df[['open','ewma12']].plot(figsize=(24,12))

python数据分析近年比特币价格涨幅趋势分布

df[['open','ewma12']].iloc[:50].plot(figsize=(12,6)).autoscale(axis='x',tight=true)

python数据分析近年比特币价格涨幅趋势分布

以上就是python数据分析近年比特币价格涨幅趋势分布的详细内容,更多关于python数据分析比特币价格涨幅的资料请关注其它相关文章!