如何画出BTC微笑曲线

image-20201211150802224

上面的图片是《定投改变命运》里面笑来老师提供的BTC曲线图，但是前段时间BTC价格在上涨，价格曲线图应该有很大变化。所以我就想找下原始数据，自己绘制然后对比一下，应该会出现微笑曲线。（虽然笑来老师在讲课过程中也提供过类似的照片，但是自己绘制一下会印象更加深刻）

获取数据

前几天在我的一篇文章里面，提到了Coinmarketcap这个网站，是笑来老师每天获取BTC价格的来源。

既然如此，我就想顺便找一下能不能获取所有历史价格。

果然，这是一个数据齐全的网站，所有历史价格在下方的地址：

https://coinmarketcap.com/currencies/bitcoin/historical-data/?start=20130429&end=20201211

在网站的右上角可以把语言改成简体中文，就可以有中文的网页了。

上面中的start=和end=之后的日期修改之后就可以获取这个时间段内的所有数据了。

最近的数据：

image-20201211113516261

最早的数据：

image-20201211113549180

把数据复制下来：

image-20201211113631949

用Exce打开，把数据复制进去

image-20201211114054602

把日期设置成我们常用的显示方式：

image-20201211114142938

再把标题上面的*号删掉，现在是这样显示的：

image-20201211114245772

然后另存为BTC_price_history.txt文件，确保文件以uft-8编码保存。

用记事本打开是这样的：

image-20201211115341010

整理数据

以下的过程参考的是笑来老师的源码：

https://github.com/xiaolai/regular-investing-in-box/blob/master/data/visualization.py

我在前几天的文章里面把我的理解过程记录下来：

https://zuopin.xin/posts/9ad4188fa70df653d800fb805f14e79cb7388238a90be6aba4ce53a3f98fe17b

在Jupyter notebook里面运行：

image-20201211115604112

日期是逆序的，我们把日期顺序对调一下：

image-20201211121944850

序号也是反过来的，我们增加一列序号：

image-20201211123730115

用下面的代码计算历史最高价格，然后增加列“Closing Price"和”Base"，把里面的数据从文本转换成数字格式，以便画图使用。

#增加收盘价用来计算

closing_price=[]
base = []
for i in range(number_of_rows):
#     print(series2.at[i,"收盘价"])#series.at[] not series.at()
    closing_price.append(float(sub(r'[,]','',series2.at[i,"收盘价"])))#series.at[] not series.at()，转换为可运算数字格式
    base.append(0)
historic_high=max(closing_price)
print("历史最高价格： ",historic_high)
series2["Closing Price"]=closing_price
series2["Base"] = base

image-20201211142759499

historic_high为历史最高价格

当前数据是这样的：

image-20201211142950564

series2['Closing Price'].idxmax()可获得历史最高价格的索引，赋予date_num，series2.loc[series2['Closing Price'].idxmax()]可以显示那一行的内容。series2.loc[series2['Closing Price'].idxmax()]["日期"]获取历史最高价格的日期，然后把日期值赋予historic_high_date。date_num、historic_high_date会在后面参与画图。

运行如下：

image-20201211144921527

绘制图片

使用matplotlib

画图代码如下：

from matplotlib.ticker import FuncFormatter
import matplotlib.ticker as ticker
tick_spacing = 250
#通过修改tick_spacing的值可以修改x轴的密度
from datetime import datetime
import matplotlib.dates as mdates
# draw the figure

ax = plt.gca()
ax.yaxis.set_major_formatter(FuncFormatter(lambda y, _: '{:.0f}'.format(y))) 
ax.xaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))
series2.plot(kind='line', x='日期', y='Closing Price', ax=ax, figsize = (20,10), color="blue")
series2.plot(kind='line', linestyle='dotted', x='日期', y='Base', ax=ax, figsize = (20,10), color="gray")
plt.xlabel(f'\nBTC history price')
for num in range(0,20001,2500):
    plt.axhline(num, linestyle='dotted',color="gray")
    
for date in range(0,20001,500):
    plt.axvline(date, linestyle='dotted',color="gray")



plt.annotate(r'$%s,%s$' %(historic_high_date,historic_high),xy = (date_num,historic_high),xycoords = 'data',
             xytext=(+30,-30),textcoords = 'offset points',fontsize = 16
             ,arrowprops = dict(arrowstyle='->',
                                connectionstyle="arc3,rad=.2"))


plt.show()

图片如下：

image-20201211145352477

微笑曲线出现了，与下面原来的图片对比下：

image-20201211150802224

最近在学习numpy和matplotlib，主要学习如何画数据图，以上的过程当作备忘。

虽然直接使用Excel就可以画出这样的图片了，这个过程并没有简单。但是以后如果直接设置好爬虫，自动获取数据，然后根据每天的数据自动更新，自动生成新的图片，把这个过程自动化，那还是更方便的。只是一开始麻烦点，然后以后就不用去修改数据了。

我只是刚刚入门Python 的一个小白，有什么错误欢迎批准指正，谢谢！