（15-2）基于时间序列预测的比特币自动交易系统：准备数据

1.5.3  准备数据

本项目中使用的比特币数据是通过爬虫实现的，使用了如下所示的库和技术。

1. 库Pandas：利用Pandas进行数据收集，这是一个强大的数据处理和分析工具，用于整理和准备我们的数据。
2. 库yfinance：库yfinance提供了获取金融数据的功能，特别适用于股票和加密货币等领域。
3. APIs：本项目利用API（应用程序接口）来获取数据，APIs是与外部服务通信的接口，用于获取实时或历史数据。

通过使用上述方法，能够有效地收集比特币交易所需的数据，并确保数据的可靠性和准确性。

（1）下面代码首先导入了一些常用的数据科学和金融分析所需的Python库，包括NumPy、Pandas、Matplotlib。然后通过!pip install yfinance安装了yfinance库，该库用于获取金融数据，特别是股票和加密货币的历史数据。接着导入了requests和json库，用于发送HTTP请求并处理返回的JSON数据。这些库的组合使得用户能够方便地获取、分析和可视化金融市场的数据。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
!pip install yfinance
import yfinance as yf
import requests, json

（2）下面代码使用yfinance库获取了比特币（BTC）对美元（USD）的历史数据。首先，通过yf.Ticker("BTC-USD")创建了一个代表比特币对美元的对象。然后，使用.history()方法从指定的开始日期（'2014-09-01'）到结束日期（'2022-02-1'）获取了相应的历史价格数据，并将其存储在yf_df数据框中。这样，可以通过yf_df进行进一步的数据分析和可视化。

data = yf.Ticker("BTC-USD")
yf_df = data.history(start='2014-09-01', end='2022-02-1')
yf_df

执行后会输出：

（3）下面代码使用requests库发送了一个GET请求，从CoinCodex API获取了比特币（Bitcoin）在指定时间范围（2021年1月1日至2021年9月30日）的历史数据。通过json.loads将返回的JSON数据加载为Python对象，然后使用Pandas创建了一个数据框（DataFrame），其中包含了获取到的比特币历史数据。

api_data = json.loads(requests.get('https://coincodex.com/api/coincodexcoins/get_historical_data_by_slug/bitcoin/2021-1-1/2021-9-30/1?t=5459791').text)
api_df = pd.DataFrame(api_data['data'])
api_df

执行后会输出：

未完待续