[[415776]]

Python中文社區 （ID:python-china）

在市值排名前 10 的加密貨幣中，從純粹的經濟角度來看，你認為自 2017 年以來表現最好的加密貨幣是哪一種？

不管你信不信，幣安自己的 BNB 實際上遠遠超過了其他所有加密貨幣。我編寫了一個腳本來幫助我了解幾種加密貨幣的歷史表現，當我決定只加入前 10 名加密貨幣并看看表現最好的貨幣是哪個。

在運行腳本之前，我很確定它可能將是 DOGE。所以我坐在這里，等待歷史數據下載，以便我的腳本可以繪制一些加密圖表。

腳本運行完畢，結果出來了，感謝中本聰，這不是 DOGE。哦，等等，這更有趣——它是 BNB。

自 2017 年以來，BNB 已上漲超過 20,000%。

程序能夠為你下載歷史數據，并分析任意數量的幣種。如果您想對任意數量的加密貨幣的收益百分比進行快速比較分析，這很方便。您所需要的只是一些 Python 知識。

編寫加密貨幣分析工具

該代碼也可在 GitHub 上找到。 

https://github.com/CyberPunkMetalHead/crypto-performance-tracker 

首先創建一個文本文件并將其命名為coins.txt。在此文本文件中，放入一些您想要分析的幣種名稱。它們需要包含配對符號，并且每行必須是 1 個貨幣，不能有逗號： 

BTCUSDT  
ETHUSDT  
BNBUSDT 

創建一個 binancedata.py 文件。我們將使用此文件輪詢 Binance API 以獲取我們需要的金融數據。由于我們使用的是開放端口，因此不需要 API 密鑰和密碼。

讓我們導入一些依賴項并定義一個空的 Binance 客戶端： 

# 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() 

現在讓我們編寫一個函數來從我們的coins.txt文件中打開和讀取貨幣： 

def get_coins():  
    with open('coins.txt', 'r') as f:  
        coins = f.readlines()  
        coins = [coin.strip('\n') for coin in coins]  
    return coins 

此文件中的最后一個函數將為我們獲取歷史數據并以 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' 

此函數還將檢查文件是否已經存在，如果存在它不會再次下載。該函數接受 3 個參數：coin、since 和 kline_interval。檢查函數下方的注釋，了解我們將傳遞給這些參數的正確格式。

保存文件，現在是創建我們的主要執行文件的時候了，我們將把這個文件的內容導入到其中。

繼續創建一個 main.py 文件并安裝以下依賴項： 

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 

讓我們開始一些線程。該腳本是為了一次下載多個數據文件，所以為了避免等待一次下載每個歷史數據文件，我們將使用線程并下載這些文件，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] 

現在我們需要一個函數來返回我們下載的所有數據文件的文件名： 

def get_all_filenames():  
    return [get_historical_data(coin, '1 Jan 2017', Client.KLINE_INTERVAL_1DAY) for coin in coins] 

最后，我們將定義主要函數，我們將在其中繪制這些數據并運行腳本： 

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() 

現在剩下要做的就是在腳本目錄中創建一個空文件夾并將其命名為 data。大功告成，您現在可以分析您想要的所有代幣的歷史收益。