用 Python 筛选收益优秀的加密货币，

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。

鸿蒙官方战略合作共建——HarmonyOS技术社区