啪啪啪免费视频,日韩V在线观看,午夜肏屄,亚洲免费视频大全,三级片成人网站在线观看,欧美亚洲俺也去欧美,成人做爰视频网站,成年人的免费视频


來源：早起Python

本文約3600字，建議閱讀8分鐘
比特幣一年翻6倍？

最近幾年，一直站在風(fēng)口浪尖的比特幣被追捧為最佳的投資產(chǎn)品，擁護者們認(rèn)為這種加密貨幣是一種類似于黃金的儲值工具，可以對沖通脹和美元疲軟。其他人則認(rèn)為，比特幣的暴漲只是一個經(jīng)濟刺激措施催生的巨大泡沫，并且必將破裂。

本文就將對比特幣2013年到2021年價格進行動態(tài)可視化，先看效果：

獲取數(shù)據(jù)

比特幣數(shù)據(jù)很多網(wǎng)站都有，并且也有很多成熟的API，所以取數(shù)據(jù)非常簡單，直接調(diào)用API接口即可，下面是獲取與寫入數(shù)據(jù)的全部代碼：


import requestsimport jsonimport csvimport timetime_stamp = int(time.time())url = f"https://web-api.coinmarketcap.com/v1/cryptocurrency/ohlcv/historical?convert=USD&slug=bitcoin&time_end={time_stamp}&time_start=1367107200"rd = requests.get(url = url)# 返回的數(shù)據(jù)是 JSON 格式，使用 json 模塊解析co = json.loads(rd.content)list1 = co['data']['quotes']
with open('BTC.csv','w' ,encoding='utf8',newline='') as f:    csvi = csv.writer(f)    csv_head = ["date","price","volume"]    csvi.writerow(csv_head)
    for i in list1:        quote_date = i["time_open"][:10]        quote_price = "{:.2f}".format(i["quote"]["USD"]["close"])        quote_volume = "{:.2f}".format(i["quote"]["USD"]["volume"])        csvi.writerow([quote_date, quote_price, quote_volume])

執(zhí)行后，當(dāng)前目錄就會生成BTC.csv數(shù)據(jù)文件

動態(tài)可視化BTC價格變化

首先導(dǎo)入需要的包及相關(guān)設(shè)定：


import pandas as pdimport matplotlib as mplfrom matplotlib import cmimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.ticker as ticker import matplotlib.animation as animationfrom IPython.display import HTMLfrom datetime import datetimeplt.rcParams['font.sans-serif'] = ['SimHei']  plt.rcParams['axes.unicode_minus'] = False  plt.rc('axes',axisbelow=True) mpl.rcParams['animation.embed_limit'] = 2**128

其中兩句plt.rcParams[]是用來設(shè)置顯示中文的plt.rc('axes',axisbelow=True)的作用是設(shè)置外觀要求，即坐標(biāo)軸置底。mpl.rcParams['animation.embed_limit'] = 2**128這句是為了生成動畫而用的，由于動畫默認(rèn)的最大體積為20971520.字節(jié)。如果需要調(diào)整生成的動畫最大體積，需要更改這個參數(shù)。

接下來數(shù)據(jù)并利用查看前5行與后5行：

從表格初窺可以得知，13年初的價格在100美元左右，而到如今21年價格已經(jīng)飛漲到5萬左右了。具體在哪段時間飛漲如此之快呢，我們通過動態(tài)面積可視化來探索。

可視化之前，需要對數(shù)據(jù)進行處理，由于我們原本的數(shù)據(jù)是這樣的：

是csv格式，且Date字段是字符串類型，而在Python中運用matplotlib畫時間序列圖都需要datetime時間戳格式才美觀，所以我們運用了如下代碼進行轉(zhuǎn)換：


df = pd.read_csv('BTC.csv')df['date']=[datetime.strptime(d, '%Y/%m/%d').date() for d in df['date']]

下面制作靜態(tài)面積圖，使用單色填充的話，可用如下代碼：


Span=180N_Span=0df_temp=df.loc[N_Span*Span:(N_Span+1)*Span,:]df_temp.head(5)fig =plt.figure(figsize=(6,4), dpi=100)plt.subplots_adjust(top=1,bottom=0,left=0,right=0.9,hspace=0,wspace=0)plt.fill_between(df_temp.date.values, y1=df_temp.price.values, y2=0,alpha=0.75, facecolor='r', linewidth=1,edgecolor ='none',zorder=1)plt.plot(df_temp.date, df_temp.price, color='k',zorder=2)plt.scatter(df_temp.date.values[-1], df_temp.price.values[-1], color='white',s=150,edgecolor ='k',linewidth=2,zorder=3)plt.text(df_temp.date.values[-1], df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center', va='top')plt.ylim(0, df_temp.price.max()*1.68)plt.xticks(ticks=df_temp.date.values[0:Span+1:30],labels=df_temp.date.values[0:Span+1:30],rotation=0)plt.margins(x=0.01)ax = plt.gca()#獲取邊框ax.spines['top'].set_color('none')    # 設(shè)置上‘脊梁’為無色ax.spines['right'].set_color('none')  # 設(shè)置上‘脊梁’為無色ax.spines['left'].set_color('none')   # 設(shè)置上‘脊梁’為無色plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)         #設(shè)置網(wǎng)格線   plt.show()

其中Span設(shè)定的是多少天的價格，這里我們使用200天。N_Span代表權(quán)重；

df_temp=df.loc[N_Span*Span:(N_Span+1)*Span,:] 代表的是選擇到179行為止的數(shù)據(jù)，即180天。

plt.fill_between()使用單色--紅色填充，得到如下效果：

但是一個顏色填充總感覺不夠好看，所以下面使用漸變色填充，使用plt.bar()函數(shù)實現(xiàn)Spectral_r顏色映射。代碼如下：


Span_Date =180  Num_Date =360  #終止日期df_temp=df.loc[Num_Date-Span_Date: Num_Date,:]  #選擇從Num_Date-Span_Date開始到Num_Date的180天的數(shù)據(jù)colors = cm.Spectral_r(df_temp.price / float(max(df_temp.price)))fig =plt.figure(figsize=(6,4), dpi=100)plt.subplots_adjust(top=1,bottom=0,left=0,right=0.9,hspace=0,wspace=0)plt.bar(df_temp.date.values,df_temp.price.values,color=colors,width=1,align="center",zorder=1)plt.plot(df_temp.date, df_temp.price, color='k',zorder=2)plt.scatter(df_temp.date.values[-1], df_temp.price.values[-1], color='white',s=150,edgecolor ='k',linewidth=2,zorder=3)plt.text(df_temp.date.values[-1], df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center', va='top')plt.ylim(0, df_temp.price.max()*1.68)plt.xticks(ticks=df_temp.date.values[0: Span_Date +1:30],labels=df_temp.date.values[0: Span_Date +1:30],rotation=0)plt.margins(x=0.01)ax = plt.gca()#獲取邊框ax.spines['top'].set_color('none')   # 設(shè)置上‘脊梁’為無色ax.spines['right'].set_color('none')  # 設(shè)置上‘脊梁’為無色ax.spines['left'].set_color('none')   # 設(shè)置上‘脊梁’為無色plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)   #設(shè)置網(wǎng)格線   plt.show()

這里的數(shù)據(jù)篩選有稍許不同，其中Span_Date設(shè)置初始時間，這里設(shè)置為180即從起始日開始算的180天。

Num_Date設(shè)置的是終止時間。

df_temp=df.loc[Num_Date-Span_Date: Num_Date,:] 則是用loc函數(shù)篩選從180天到終止日期的數(shù)據(jù)。

效果如下：

最后，我們來將這幅圖動起來，先將剛剛的繪圖部分封裝：


def draw_areachart(Num_Date):    Span_Date=180    ax.clear()    if Num_Date<Span_Date:        df_temp=df.loc[0:Num_Date,:]        df_span=df.loc[0:Span_Date,:]        colors = cm.Spectral_r(df_span.price.values / float(max(df_span.price.values)))        plt.bar(df_temp.date.values,df_temp.price.values,color=colors,width=1.5,align="center",zorder=1)        plt.plot(df_temp.date, df_temp.price, color='k',zorder=2)        plt.scatter(df_temp.date.values[-1], df_temp.price.values[-1], color='white',s=150,edgecolor ='k',linewidth=2,zorder=3)        plt.text(df_temp.date.values[-1], df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center', va='top')        plt.ylim(0, df_span.price.max()*1.68)        plt.xlim(df_span.date.values[0], df_span.date.values[-1])        plt.xticks(ticks=df_span.date.values[0:Span_Date+1:30],labels=df_span.date.values[0:Span_Date+1:30],rotation=0,fontsize=9)    else:        df_temp=df.loc[Num_Date-Span_Date:Num_Date,:]        colors = cm.Spectral_r(df_temp.price / float(max(df_temp.price)))        plt.bar(df_temp.date.values[:-2],df_temp.price.values[:-2],color=colors[:-2],width=1.5,align="center",zorder=1)        plt.plot(df_temp.date[:-2], df_temp.price[:-2], color='k',zorder=2)        plt.scatter(df_temp.date.values[-4], df_temp.price.values[-4], color='white',s=150,edgecolor ='k',linewidth=2,zorder=3)        plt.text(df_temp.date.values[-1], df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center', va='top')        plt.ylim(0, df_temp.price.max()*1.68)        plt.xlim(df_temp.date.values[0], df_temp.date.values[-1])        plt.xticks(ticks=df_temp.date.values[0:Span_Date+1:30],labels=df_temp.date.values[0:Span_Date+1:30],rotation=0,fontsize=9)    
    plt.margins(x=0.2)    ax.spines['top'].set_color('none')  # 設(shè)置上‘脊梁’為紅色    ax.spines['right'].set_color('none')  # 設(shè)置上‘脊梁’為無色    ax.spines['left'].set_color('none')  # 設(shè)置上‘脊梁’為無色    plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)         #設(shè)置網(wǎng)格線      plt.text(0.01, 0.95,"BTC平均價格($)",transform=ax.transAxes, size=10, weight='light', ha='left')    ax.text(-0.07, 1.03, '2013年到2021年的比特幣BTC價格變化情況',transform=ax.transAxes, size=17, weight='light', ha='left')
fig, ax = plt.subplots(figsize=(6,4), dpi=100)plt.subplots_adjust(top=1,bottom=0.1,left=0.1,right=0.9,hspace=0,wspace=0)  draw_areachart(150)

之后使用matplotlib包的animation.FuncAnimation()函數(shù)，之后調(diào)用上述編寫的draw_areachart(Num_Date)函數(shù)。

其中輸入的參數(shù)Num_Date是如靜態(tài)可視化中提及的日期作用一樣，賦值為np.arange(0,df.shape[0],1)。

最后使用Ipython包的HTML()函數(shù)將動畫轉(zhuǎn)換成動畫頁面的形式演示。代碼如下：


import matplotlib.animation as animationfrom IPython.display import HTMLfig, ax = plt.subplots(figsize=(6,4), dpi=100)plt.subplots_adjust(left=0.12, right=0.98, top=0.85, bottom=0.1,hspace=0,wspace=0)  animator = animation.FuncAnimation(fig, draw_areachart, frames=np.arange(0,df.shape[0],1),interval=100)HTML(animator.to_jshtml())

函數(shù)FuncAnimation(fig,func,frames,init_func,interval,blit)是繪制動圖函數(shù)。其參數(shù)如下：

fig 表示繪制動圖的畫布名稱(figure)；
func為自定義繪圖函數(shù)，如draw_barchart()函數(shù)；
frames為動畫長度，一次循環(huán)包含的幀數(shù)，在函數(shù)運行時，其值會傳遞給函數(shù)draw_barchart (year)的形參“year”；
init_func為自定義開始幀可省略；
interval表示更新頻率，計量單位為ms；
blit表示選擇更新所有點，還是僅更新產(chǎn)生變化的點，應(yīng)選擇為True，但mac電腦用戶應(yīng)選擇False，否則無法顯示。

最后效果就是這樣??

可以看到在過去的一年中，由于機構(gòu)的興趣日益增加，比特幣上漲超過了6倍，最高突破58000美元/枚，當(dāng)然可以看到跌起來也是非常恐怖的，關(guān)于比特幣你怎么看呢，歡迎評論區(qū)討論~

編輯：黃繼彥

校對：林亦霖

?用 Python 動態(tài)可視化，看看比特幣這幾年