用 Python 筛选收益最优的加密货币-技术圈

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。

点击下方阅读原文加入社区会员