Cette fois, je vais changer un peu d'avis et présenter un exemple d'analyse simple de données (visualisation) en utilisant Python. CoinMetrics fournit des données pour chaque crypto-monnaie (y compris les pièces stables) au format csv, je l'ai donc utilisé pour visualiser le volume de transaction et le prix (USD) de Bitcoin.
Puisque Python a d'abondantes bibliothèques pour l'analyse de données, il est agréable de n'avoir que quelques lignes à des dizaines de lignes pour une visualisation simple. (Dans ce cas, il est possible de visualiser en quelque sorte avec un code très simple en utilisant simplement pandas et matplotlib. En essayant de réaliser la même chose avec MS-Excel ...)
**
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)
** <Visualisation de la transition du volume des transactions par année> **
plt.plot(data.TxCnt)
** <Visualisation des transitions de prix (USD) par année> **
plt.plot(data.PriceUSD)
** <Représentant le statut de transition annuel du volume et du prix des transactions (USD) dans un graphique composite> **
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')
** <Au fait, il est possible de se limiter à une année spécifique (exemple: 2014)> **
Extrait uniquement pour les modifications
~
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)
c'est tout
Recommended Posts