CoinMetrics liefert Daten für jede Kryptowährung (einschließlich stabiler Münzen) im CSV-Format. Daher habe ich diese verwendet, um das Transaktionsvolumen und den Preis (USD) von Bitcoin zu visualisieren. Python verfügt über eine Vielzahl von Bibliotheken für die Datenanalyse. Für eine einfache Visualisierung ist es daher hilfreich, nur wenige bis einige zehn Zeilen zu haben. (In diesem Fall ist es möglich, mit einem sehr einfachen Code zu visualisieren, indem Sie einfach Pandas und Matplotlib verwenden. Wenn Sie versuchen, dasselbe mit MS-Excel zu realisieren ...) **
getCoinMetrics
%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
data = pd.read_csv('xxx\\btc.csv')
data['date'] = pd.to_datetime(data['date'])
data.set_index('date', inplace=True)
** <Visualisierung des Transaktionsvolumenübergangs nach Jahr> **
plt.plot(data.TxCnt)
** <Visualisierung der Preisübergänge (USD) nach Jahr> **
plt.plot(data.PriceUSD)
** <Darstellung des jährlichen Übergangsstatus von Transaktionsvolumen und -preis (USD) in einem zusammengesetzten Diagramm> **
fig, ax1 = plt.subplots()
plt.plot(data.TxCnt, color='darkblue', label='TxCnt')
ax2 = ax1.twinx()
plt.plot(data.PriceUSD, color='darkorange', label='PriceUSD')
h1, l1 = ax1.get_legend_handles_labels()
h2, l2 = ax2.get_legend_handles_labels()
ax1.legend(h1+h2, l1+l2, loc='upper left')
ax1.set_xlabel('date')
ax1.set_ylabel('TxCnt')
ax2.set_ylabel('PriceUSD')
** <Es ist übrigens möglich, auf ein bestimmtes Jahr einzugrenzen (Beispiel: 2014)> **
Auszug nur für Änderungen
~
plt.plot(df_data['2014'].TxCnt, color='darkblue', label='TxCnt')
~
plt.plot(df_data['2014'].PriceUSD, color='darkorange', label='PriceUSD')
~
**
plt.scatter(data.TxCnt,data.PriceUSD)
das ist alles
Recommended Posts