來源：早起Python

作者：讀者投稿

最近幾年，比特幣一直站在風口浪尖，一度被追捧為最佳的投資產品，擁護者認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。其他人則認為，比特幣的暴漲只是一個經濟刺激措施催生的巨大泡沫，并且必將破裂。

一、獲取數據

比特幣數據很多網站都有，并且也有很多成熟的API，所以取數據非常簡單，直接調用API接口即可，下面是獲取與寫入數據的全部代碼

import requests
import json
import csv
import time
time_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) # 返回的數據是 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])

執行后，當前目錄就會生成BTC.csv數據文件

二、動態可視化BTC價格變化

首先導入需要的包及相關設定

import pandas as pd import matplotlib as mpl from matplotlib import cm import numpy 

as np import matplotlib.pyplot as plt import matplotlib.ticker as ticker  import 

matplotlib.animation as animation from IPython.display import HTML from datetime import datetime
plt.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[]是用來設置顯示中文的

plt.rc('axes',axisbelow=True)的作用是設置外觀要求，即坐標軸置底。

mpl.rcParams['animation.embed_limit'] = 2**128這句是為了生成動畫而用的，由于動畫默認的最大體積為20971520.字節。如果需要調整生成的動畫最大體積，需要更改這個參數。

接下來數據并利用查看前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，我們通過動態面積可視化來探索。

可視化之前，需要對數據進行處理，由于我們原本的數據是這樣的

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']]

下面制作靜態面積圖，使用單色填充的話，可用如下代碼

Span=180 N_Span=0 df_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')    # 設置上‘脊梁’為無色 

ax.spines['right'].set_color('none')  # 設置上‘脊梁’為無色 ax.spines['left'].set_color('none')   

# 設置上‘脊梁’為無色 plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)         

#設置網格線    plt.show()

其中Span設定的是多少天的價格，這里我們使用200天。N_Span代表權重；

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

plt.fill_between()是使用單色--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()函數實現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天的數據 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')   # 設置上‘脊梁’為無色 ax.spines['right'].set_color('none')  

# 設置上‘脊梁’為無色 ax.spines['left'].set_color('none')   # 設置上‘脊梁’為無色 plt.grid(axis="y",

c=(217/256,217/256,217/256),linewidth=1)   #設置網格線    plt.show()

這里的數據篩選有稍許不同，其中Span_Date設置初始時間，這里設置為180即從起始日開始算的180天.

Num_Date設置的是終止時間。

df_temp=df.loc[Num_Date-Span_Date: Num_Date,:]則是用loc函數篩選從180天到終止日期的數據。

效果如下：

三、動態可視化

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')  # 設置上‘脊梁’為紅色
    ax.spines['right'].set_color('none')  # 設置上‘脊梁’為無色
    ax.spines['left'].set_color('none')  # 設置上‘脊梁’為無色
    plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)         #設置網格線  
    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，之后調用上述編寫的draw_areachart(Num_Date)函數。

其中輸入的參數Num_Date是如靜態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()函數將動畫轉換成動畫頁面的形式演示。代碼如下：

import matplotlib.animation as animation
from IPython.display import HTML
fig, 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FuncAnimation(fig,func,frames,init_func,interval,blit)是繪制動圖函數。其參數如下：

“

fig 表示繪制動圖的畫布名稱(figure)；func為自定義繪圖函數，如draw_barchart()函數；frames為動畫長度，一次循環包含的幀數，在函數運行時，其值會傳遞給函數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，還是僅更新產生變化的點，應選擇為True，但mac電腦用戶應選擇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，當然可以看到跌起來也是非?？植赖?，關于比特幣，你怎么看？