国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

Python數(shù)據(jù)分析入門:比特幣價(jià)格漲幅趨勢分布

李文鵬 / 1531人閱讀

摘要:看著這份臺(tái)詞是不是很眼熟,我稍稍改了一下,曾經(jīng)差一點(diǎn)點(diǎn)點(diǎn)就購買比特幣了,腸子都悔青了現(xiàn)在,今天對(duì)比特幣做一個(gè)簡單的數(shù)據(jù)分析。

大家好,我是辣條。

曾經(jīng)有一個(gè)真摯的機(jī)會(huì),擺在我面前,但是我沒有珍惜,等到失去的時(shí)候才后悔莫及,塵世間最痛苦的事莫過于此,如果老天可以再給我一個(gè)再來一次機(jī)會(huì)的話,我會(huì)買下那個(gè)比特幣,哪怕付出所有零花錢,如果非要在這個(gè)機(jī)會(huì)加上一個(gè)期限的話,我希望是十年前。

看著這份臺(tái)詞是不是很眼熟,我稍稍改了一下,曾經(jīng)差一點(diǎn)點(diǎn)點(diǎn)就購買比特幣了,腸子都悔青了現(xiàn)在,今天對(duì)比特幣做一個(gè)簡單的數(shù)據(jù)分析。

# 安裝對(duì)應(yīng)的第三方庫!pip install pandas ?!pip install numpy!pip install seaborn!pip install matplotlib!pip install sklearn!pip install tensorflow

使用技術(shù)點(diǎn):

1. 數(shù)據(jù)處理 - pandas2. 科學(xué)運(yùn)算 - numpy3. 數(shù)據(jù)可視化 - seaborn matplotlib

使用工具:

1. anaconda2. notebook3. python3.7版本

導(dǎo)入第三方庫

#a|T + enter  notebook運(yùn)行方式import pandas as pd # 數(shù)據(jù)處理import numpy as np # 科學(xué)運(yùn)算import seaborn as sns # 數(shù)據(jù)可視化import matplotlib.pyplot as plt # 數(shù)據(jù)可視化?import warningsimport warningswarnings.filterwarnings("ignore")

如遇到導(dǎo)包報(bào)錯(cuò) 可以看看是不是自己的第三方庫的版本問題

# 設(shè)置圖表與 線格式plt.rcParams["figure.figsize"] = (10, 10)plt.rcParams["lines.linewidth"] = 2plt.style.use("ggplot")# 讀取數(shù)據(jù)集df = pd.read_csv("./DOGE-USD.csv")df.head() # 查看前5行
DateOpenHighLowCloseAdj CloseVolume
02014-09-170.0002930.0002990.0002600.0002680.0002681463600.0
12014-09-180.0002680.0003250.0002670.0002980.0002982215910.0
22014-09-190.0002980.0003070.0002750.0002770.000277883563.0
32014-09-200.0002760.0003100.0002670.0002920.000292993004.0
42014-09-210.0002930.0002990.0002840.0002880.000288539140.0
df.isnull().sum() # 統(tǒng)計(jì)缺失值的總和(sum())Date ? ? ? ? 0Open ? ? ? ? 5High ? ? ? ? 5Low ? ? ? ?  5Close ? ? ?  5Adj Close ?  5Volume ? ? ? 5dtype: int64df.duplicated().sum() # 查看重復(fù)值0# 數(shù)據(jù)類型 分布基本情況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# 轉(zhuǎn)換 Date的類型df["Date"] = pd.to_datetime(df.Date, dayfirst=True)# 索引重置 讓Date時(shí)間格式成為 索引  inplace新建對(duì)象df.set_index("Date", inplace=True)df
OpenHighLowCloseAdj CloseVolume
Date
2014-09-170.0002930.0002990.0002600.0002680.0002681.463600e+06
2014-09-180.0002680.0003250.0002670.0002980.0002982.215910e+06
2014-09-190.0002980.0003070.0002750.0002770.0002778.835630e+05
2014-09-200.0002760.0003100.0002670.0002920.0002929.930040e+05
2014-09-210.0002930.0002990.0002840.0002880.0002885.391400e+05
.....................
2021-10-160.2338810.2444470.2336830.2372920.2372921.541851e+09
2021-10-170.2371930.2419730.2263800.2378980.2378981.397143e+09
2021-10-180.2378060.2713940.2374880.2472810.2472815.003366e+09
2021-10-19NaNNaNNaNNaNNaNNaN
2021-10-200.2451990.2468380.2423840.2460780.2460781.187871e+09

2591 rows × 6 columns

df = df.asfreq("d") # 按照天數(shù)采集數(shù)據(jù)df = df.fillna(method="bfill") # 缺失值填充 下一條數(shù)據(jù)填充df
OpenHighLowCloseAdj CloseVolume
Date
2014-09-170.0002930.0002990.0002600.0002680.0002681.463600e+06
2014-09-180.0002680.0003250.0002670.0002980.0002982.215910e+06
2014-09-190.0002980.0003070.0002750.0002770.0002778.835630e+05
2014-09-200.0002760.0003100.0002670.0002920.0002929.930040e+05
2014-09-210.0002930.0002990.0002840.0002880.0002885.391400e+05
.....................
2021-10-160.2338810.2444470.2336830.2372920.2372921.541851e+09
2021-10-170.2371930.2419730.2263800.2378980.2378981.397143e+09
2021-10-180.2378060.2713940.2374880.2472810.2472815.003366e+09
2021-10-190.2451990.2468380.2423840.2460780.2460781.187871e+09
2021-10-200.2451990.2468380.2423840.2460780.2460781.187871e+09

2591 rows × 6 columns

In [14]:

# 開盤價(jià)的分布情況df["Open"].plot(figsize=(12, 8))

結(jié)論:從上圖可以看出 BTB是在2021年份開始爆發(fā)式的增長 在2015 到 2021 一直都是沒有較大波動(dòng)
# 成交情況df["Volume"].plot(figsize=(12, 8))

# 投資價(jià)值df["Total Pos"] = df.sum(axis=1)df["Total Pos"].plot(figsize=(10, 8))

結(jié)論:開盤價(jià)高 投資價(jià)值搞 比較合適做賣出操作 實(shí)現(xiàn)一夜暴富(開玩笑的)
# 當(dāng)前元素與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))

# 按照年份進(jìn)行采樣df.resample(rule="A").mean()
 
OpenHighLowCloseAdj CloseVolumeTotal PosDaily Reture
Date
2014-12-310.0002490.0002590.0002400.0002480.0002488.059213e+058.059213e+051.028630
2015-12-310.0001430.0001470.0001390.0001430.0001431.685476e+051.685476e+050.139461
2016-12-310.0002350.0002420.0002290.0002350.0002352.564834e+052.564834e+050.259038
2017-12-310.0015760.0017080.0014680.0016010.0016011.118996e+071.118996e+070.225833
2018-12-310.0043680.0045770.0041250.0043500.0043502.172325e+072.172325e+070.109586
2019-12-310.0025640.0026310.0024990.0025630.0025634.463969e+074.463969e+070.027981
2020-12-310.0027360.0028220.0026600.0027440.0027441.290465e+081.290465e+080.052314
2021-12-310.2004100.2157750.1857700.2012720.2012724.620961e+094.620961e+090.260782
# 年平均收盤價(jià)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")

# 分別獲取對(duì)應(yīng)時(shí)間窗口  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)
 
OpenHighLowCloseAdj CloseVolumeTotal PosDaily Reture6-month-SMA12-month-SMA2-month-SMA
Date
2014-09-170.0002930.0002990.0002600.0002680.0002681463600.01.463600e+06NaNNaNNaNNaN
2014-09-180.0002680.0003250.0002670.0002980.0002982215910.02.215910e+060.514013NaNNaN0.000281
2014-09-190.0002980.0003070.0002750.0002770.000277883563.08.835630e+05-0.601264NaNNaN0.000283
2014-09-200.0002760.0003100.0002670.0002920.000292993004.09.930040e+050.123863NaNNaN0.000287
2014-09-210.0002930.0002990.0002840.0002880.000288539140.05.391400e+05-0.457062NaNNaN0.000285
2014-09-220.0002880.0003010.0002850.0002980.000298620222.06.202220e+050.1503910.000286NaN0.000291
2014-09-230.0002980.0003180.0002950.0003130.000313739197.07.391970e+050.1918260.000287NaN0.000293
2014-09-240.0003140.0003530.0003100.0003480.0003481277840.01.277840e+060.7286870.000295NaN0.000306
2014-09-250.0003470.0003830.0003320.0003750.0003752393610.02.393610e+060.8731690.000303NaN0.000331
2014-09-260.0003740.0004670.0003730.0004510.0004514722610.04.722610e+060.9730070.000319NaN0.000361

進(jìn)行可視化 查看對(duì)應(yīng)分布情況

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)
 

?????疑難解答、學(xué)習(xí)資料、路線圖可通過搜索下方???

文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址:http://specialneedsforspecialkids.com/yun/123626.html

相關(guān)文章

  • koa2開發(fā)微信公眾號(hào): 不定期推送最新圈消息

    摘要:背景比特幣說好的分叉最后卻分叉不成,如今算力又不夠,于是比特現(xiàn)金想篡位沒一個(gè)星期就漲了快倍,錯(cuò)過這趟快車甚是后悔,于是打算寫一個(gè)可不定期推送最新消息的微信公眾號(hào)。既然是利用微信這個(gè)平臺(tái)載體,當(dāng)然要熟悉微信的,遂封裝了一下。 背景:比特幣說好的segwit2x分叉最后卻分叉不成,如今算力又不夠,于是比特現(xiàn)金想篡位? 沒一個(gè)星期就漲了快10倍,錯(cuò)過這趟快車甚是后悔,于是打算寫一個(gè)可不定期推...

    xi4oh4o 評(píng)論0 收藏0
  • 小牛市啟示錄:有價(jià)值何必等風(fēng)來

    摘要:很多人將這一波的上漲解讀為比特幣小牛市的到來,無論從技術(shù)層面還是從消息層面來看,比特幣都有逐步回暖的跡象。到日,關(guān)于英雄鏈網(wǎng)絡(luò)詐騙案被破獲的報(bào)道便鋪天蓋地地傳播開來。 摘要:不在風(fēng)口上,長了翅膀的項(xiàng)目同樣可以起飛,價(jià)值終究會(huì)超越時(shí)間。 showImg(https://segmentfault.com/img/bVbrS0N?w=4096&h=3575); 自四月初以來,比特幣就開啟了起...

    xiaoqibTn 評(píng)論0 收藏0
  • 小牛市啟示錄:有價(jià)值何必等風(fēng)來

    摘要:很多人將這一波的上漲解讀為比特幣小牛市的到來,無論從技術(shù)層面還是從消息層面來看,比特幣都有逐步回暖的跡象。到日,關(guān)于英雄鏈網(wǎng)絡(luò)詐騙案被破獲的報(bào)道便鋪天蓋地地傳播開來。 摘要:不在風(fēng)口上,長了翅膀的項(xiàng)目同樣可以起飛,價(jià)值終究會(huì)超越時(shí)間。 showImg(https://segmentfault.com/img/bVbrS0N?w=4096&h=3575); 自四月初以來,比特幣就開啟了起...

    cartoon 評(píng)論0 收藏0
  • 區(qū)塊鏈2018年度盤點(diǎn)

    摘要:加密數(shù)字貨幣價(jià)格巔峰,區(qū)塊鏈成二線企業(yè)股價(jià)春藥年月日,是區(qū)塊鏈行業(yè)的高光時(shí)刻,整個(gè)加密數(shù)字貨幣市值億美元,人民幣近萬億元。直接原因是,當(dāng)日,中網(wǎng)載線剛剛宣布與井通網(wǎng)絡(luò)科技有限公司合作開展區(qū)塊鏈產(chǎn)業(yè)。 加密數(shù)字貨幣價(jià)格巔峰,區(qū)塊鏈成二線企業(yè)股價(jià)春藥 2018 年 1 月 8 日,是區(qū)塊鏈行業(yè)的高光時(shí)刻,整個(gè)加密數(shù)字貨幣市值 8139 億美元,人民幣近 6 萬億元。在 10 天之前,12 ...

    changfeng1050 評(píng)論0 收藏0
  • 通過Python入門區(qū)塊鏈

    摘要:通過入門區(qū)塊鏈本文翻譯自的文章原文地址區(qū)塊鏈可能是繼互聯(lián)網(wǎng)之后最重大和最具突破性的技術(shù)。先不管對(duì)比特幣和其他加密貨幣價(jià)格的瘋狂行情,本文旨在幫助讀者入門區(qū)塊鏈技術(shù)。 通過Python入門區(qū)塊鏈 本文翻譯自 Adil Moujahid 的文章 A Practical Introduction to Blockchain with Python原文地址:http://adilmoujahi...

    andong777 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<