快速指南：使用Python研究比特币“血浴”！

2018年7月是世界上许多人能够看到月食的最后一次 - 这一事件在媒体中被称为“血月”。

许多古代文明都以可怕的视角看待“血月”。印加人曾经把这种深红色现象解释为美洲虎攻击并吃掉月亮。他们相信美洲虎下一步可能会攻击地球，因此他们的人民会大喊大叫，挥动他们的长矛并让他们的狗吠并嚎叫，希望能够制造足够的噪音来驱逐邪恶的美洲虎。

2018年也标志着比特币成立10周年。去年，这种加密货币在其短暂的历史中也有糟糕的年度表现，累计亏损70％。虽然印加人已经不再在我们身边，但许多比特币投资者肯定会一直“咆哮”。

在2017年，比特币投资者迎来了他们的蜜月期。 2018年的比特币血月是否标志着曾经被吹捧为新货币的投资终于走到了尽头？

用Python调查比特币损失

我决定用Python和数据科学来分析比特币（BTC）带来的损失。 Python提供了自由和灵活性，可视化比特币的行为，计算技术指标，执行基本面分析，运行一些模拟，最重要的是，根据获得的见解采取行动。

与任何调查任务一样，我们会提出一些问题。要回答这些问题，我们需要实现一些里程碑。

我们的主要里程碑和相关问题如下：

• 获取和可视化比特币价格数据：如何使用Python来检索BTC价格？
• 看看其他加密货币：其他加密货币是否与BTC相关？
• 基本面分析：矿工收入、市值、区块链难度等因素如何影响BTC价格？
• 技术指标分析：图表是否有助于理解BTC损失？
• 创建绩效仪表板：我们是否可以创建仪表板来监控所有这些见解？
• 创建警报系统：我们是否可以创建一个平台来生成BTC价格警报并对其采取行动？

在这篇文章中，我们将重点关注获取比特币价格数据。

获取比特币价格数据

Quandl是从主流交易所检索比特币数据的最简单方法。它们提供了一个Python包，允许使用一行代码轻松访问其API。

可以使用Python的包管理器安装Quandl包：

pip install quandl

它也可以使用Anaconda命令行工具安装（推荐）：

conda install quandl

安装完成后，使用它就非常简单：

import quandl as qdl
import pandas as pd
btc_usd_bitfinex = qdl.get(‘BITFINEX/BTCUSD’, start_date=’01/01/2018', end_date=’31/12/2018')

运行上面的代码行会返回一个Pandas Dataframe并将其分配给我们的btc_usd_bitfinex变量。

正如变量名称所示，在此变量中，我们存储的是从2018年1月1日到2018年12月31日获得的Bitfinex交易所的比特币价格。

如果一切正常，应该得到一个如下所示的数据框：

可视化比特币价格数据

现在我们有了一个带有比特币价格数据的Pandas Dataframe，我们可以使用matplotlib轻松地将其可视化。

在下面的代码中，我们将：

• 将matplotlib的主题设置为暗色，类似于通过Bloomberg终端生成的图表
• 将我们的图表大小设置为（20,7）
• 列出图表标题
• 使用BTC收盘价（“最后”）生成我们的情节

import matplotlib.pyplot as plt
plt.style.use(‘dark_background’)
plt.figure(figsize=(20,7))
plt.grid(linewidth=0.2)
plt.title(‘BTC x USD (Bitfinex)’)
plt.plot(btc_usd_bitfinex.index, btc_usd_bitfinex.Last)

从图表中我们可以注意到：

• 从Bitfinex获得的数据很好 - 我们没有任何缺少数据的日期，这对于其他一些交易所来说是常见的
• 我们可以看到BTC损失最严重的时期是从1月初到2月中旬
• 2月中旬，BTC反弹至约12,000美元，扭转部分亏损
• 可以在3月初，5月初和7月下旬看到明显的阻力水平，表现出下降趋势。 11月中旬，可以发现另一次重大跌幅

主要内容和后续步骤

在这篇文章中，我们讨论了如何使用Python、Quandl和Matplotlib来获取和分析2018年的比特币价格数据。

我们去年对比特币的价格进行了一些非常基本的、高水平的分析。

在接下来的文章中，我们将深化我们的分析，以便尝试理解为什么会发生这种情况以及如何发生这种情况。

最后，我们将尝试创建一个平台，以一种简单有效的方式可视化并采取行动。

敬请关注！