# 用 Python 筛选收益最优的加密货币

By [quantbang](https://paragraph.com/@quantbang) · 2022-03-24

---

![](https://storage.googleapis.com/papyrus_images/903e59887e0d094eb5d91d8653a20d70c8f2a60cc8e9ebecb47ba2cb5807ea8a.jpg)

在市值排名前 10 的加密货币中，从纯粹的经济角度来看，你认为自 2017 年以来表现最好的加密货币是哪一种？\\

不管你信不信，币安自己的 BNB 实际上远远超过了其他所有加密货币。我编写了一个脚本来帮助我了解几种加密货币的历史表现，当我决定只加入前 10 名加密货币并看看表现最好的货币是哪个。

在运行脚本之前，我很确定它可能将是 DOGE。所以我坐在这里，等待历史数据下载，以便我的脚本可以绘制一些加密图表。

脚本运行完毕，结果出来了，感谢中本聪，这不是 DOGE。哦，等等，这更有趣——它是 BNB。

自 2017 年以来，BNB 已上涨超过 20,000%。

![](https://storage.googleapis.com/papyrus_images/d80e9c6e45169413b900eaae7503018f2c258f807dedc0c0a66223f326ba251c.png)

程序能够为你下载历史数据，并分析任意数量的币种。如果您想对任意数量的加密货币的收益百分比进行快速比较分析，这很方便。您所需要的只是一些 Python 知识。

**编写加密货币分析工具**

该代码也可在 GitHub 上找到。

    https://github.com/CyberPunkMetalHead/crypto-performance-tracker
    

首先创建一个文本文件并将其命名为`coins.txt`。在此文本文件中，放入一些您想要分析的币种名称。它们需要包含配对符号，并且每行必须是 1 个货币，不能有逗号：

创建一个 `binancedata.py` 文件。我们将使用此文件轮询 Binance API 以获取我们需要的金融数据。由于我们使用的是开放端口，因此不需要 API 密钥和密码。

让我们导入一些依赖项并定义一个空的 Binance 客户端：

    # needed for the binance API and websockets
    from binance.client import Client
    import csv
    import os
    import time
    from datetime import date, datetime
    
    client = Client()
    

现在让我们编写一个函数来从我们的coins.txt文件中打开和读取货币：

    def get_coins():
        with open('coins.txt', 'r') as f:
            coins = f.readlines()
            coins = [coin.strip('\n') for coin in coins]
        return coins
    

此文件中的最后一个函数将为我们获取历史数据并以 CSV 格式保存：

    def get_historical_data(coin, since, kline_interval):
        """
        Args example:
        coin = 'BTCUSDT'
        since = '1 Jan 2021'
        kline_interval = Client.KLINE_INTERVAL_1MINUTE
        """
        if os.path.isfile(f'data/{coin}_{since}.csv'):
            print('Datafile already exists, loading file...')
    
        else:
            print(f'Fetching historical data for {coin}, this may take a few minutes...')
    
            start_time = time.perf_counter()
            data = client.get_historical_klines(coin, kline_interval, since)
            data = [item[0:5] for item in data]
    
            # field names
            fields = ['timstamp', 'high', 'low', 'open', 'close']
    
            # save the data
            with open(f'data/{coin}_{since}.csv', 'w', newline='') as f:
    
                # using csv.writer method from CSV package
                write = csv.writer(f)
    
                write.writerow(fields)
                write.writerows(data)
    
            end_time = time.perf_counter()
    
            # calculate how long it took to produce the file
            time_elapsed = round(end_time - start_time)
    
            print(f'Historical data for {coin} saved as {coin}_{since}.csv. Time elapsed: {time_elapsed} seconds')
        return f'{coin}_{since}.csv'
    

此函数还将检查文件是否已经存在，如果存在它不会再次下载。该函数接受 3 个参数：`coin`、`since` 和 `kline_interval`。检查函数下方的注释，了解我们将传递给这些参数的正确格式。

保存文件，现在是创建我们的主要执行文件的时候了，我们将把这个文件的内容导入到其中。

继续创建一个 `main.py` 文件并安装以下依赖项：

    
    from binancedata import *
    import threading
    
    
    import matplotlib.pyplot as plt
    import matplotlib.cbook as cbook
    
    import numpy as np
    import pandas as pd
    
    # needed for the binance API and websockets
    from binance.client import Client
    import csv
    import os
    import time
    from datetime import datetime, date
    

让我们开始一些线程。该脚本是为了一次下载多个数据文件，所以为了避免等待一次下载每个历史数据文件，我们将使用线程并下载这些文件，如下所示：

    threads = []
    coins = get_coins()
    for coin in coins:
    
        t = threading.Thread(target=get_historical_data, args=(coin, '1 Jan 2017', Client.KLINE_INTERVAL_1DAY) ) #'get_historical_data('ETHUSDT', '1 Jan 2021', Client.KLINE_INTERVAL_1MINUTE)
        t.start()
        threads.append(t)
    
    
    [thread.join() for thread in threads]
    

现在我们需要一个函数来返回我们下载的所有数据文件的文件名：

    def get_all_filenames():
        return [get_historical_data(coin, '1 Jan 2017', Client.KLINE_INTERVAL_1DAY) for coin in coins]
    

最后，我们将定义主要函数，我们将在其中绘制这些数据并运行脚本：

    def main():
        historical_data = get_all_filenames()
    
        for file in historical_data:
            data = pd.read_csv(f'data/{file}')
    
            rolling_percentage = data['close']
            rolling_percentage = [(item - rolling_percentage[0]) / rolling_percentage[0]*100 for item in rolling_percentage ]
    
            timestamp = data['timstamp']
            timestamp = [datetime.fromtimestamp(item/1000) for item in timestamp]
    
            plt.legend()
            plt.plot(timestamp, rolling_percentage, label=file)
            plt.xlabel("Date")
            plt.ylabel("% gain")
    
        plt.show()
    
    if __name__ == "__main__":
        main()
    

现在剩下要做的就是在脚本目录中创建一个空文件夹并将其命名为 `data`。大功告成，您现在可以分析您想要的所有代币的历史收益。

---

*Originally published on [quantbang](https://paragraph.com/@quantbang/python)*