pandas：python数据分析利器，轻松驾驭海量数据
Pandas是Python中最流行的数据分析库之一，无论数据集大小，都能轻松完成数据清洗、转换和分析。本文将演示如何使用Pandas获取和处理数据，并将其可视化。
无需本地安装，Google Colab提供基于云的Jupyter Notebook环境，默认包含Pandas。首先，导入必要的库：
<code class="python">import requests # 用于数据获取 import pandas as pd # 用于数据处理和可视化</code>
在使用API和Pandas之前，需要导入必要的库：
- requests: 用于发送HTTP请求，获取API数据。
- pandas: 本文的核心库，用于数据处理和可视化。
我们将使用这两个库从Kraken API获取数据，并用Pandas DataFrame进行处理。
创建数据获取函数 - Kraken API & Pandas
<code class="python">def get_historic_price(symbol, after='2024-12-01'):
url = 'https://api.kraken.com/0/public/ohlc'
pair = f"{symbol.upper()}USD"
resp = requests.get(url, params={
"pair": pair,
'interval': 60, # 每小时数据
'since': str(int(pd.Timestamp(after).timestamp()))
})
resp.raise_for_status()
data = resp.json()
results_key = [k for k in data['result'].keys() if k != 'last'][0]
results = [
(close_time, float(open), float(high), float(low), float(close), float(volume))
for (close_time, open, high, low, close, vwap, volume, count)
in data['result'][results_key]
]
df = pd.DataFrame(results, columns=[
'closetime', 'openprice', 'highprice', 'lowprice', 'closeprice', 'volume'
])
df['closetime'] = pd.to_datetime(df['closetime'], unit='s')
df.set_index('closetime', inplace=True)
return df</code>
此函数从Kraken API获取历史加密货币价格。它接收加密货币符号和日期作为参数，返回每小时价格数据。
函数工作原理：
- API请求: 调用Kraken的OHLC (Open-High-Low-Close) API。
- 数据处理: 提取相关价格数据并转换为浮点数。
- 创建DataFrame: 将数据转换为Pandas DataFrame，方便后续分析和可视化。
设置参数并调用函数
<code class="python">last_week = pd.Timestamp.now() - pd.Timedelta(days=7)
btc = get_historic_price('btc', after=last_week)</code>
last_week 变量表示一周前的日期。get_historic_price 函数获取过去一周的比特币价格数据。
数据检查与探索
在分析数据之前，需要检查数据集。Pandas 提供了方便的功能：
<code class="python">btc.head() # 查看前几行 btc.info() # 查看数据摘要</code>
btc.head() 显示DataFrame的前几行，用于确认数据是否正确加载以及查看列名和数据结构。btc.info() 提供数据集的概述，包括列名、非零值计数和数据类型，有助于识别缺失值并确认数据类型。
数据可视化
最后，我们可以可视化比特币的收盘价随时间的变化：
<code class="python">btc['closeprice'].plot(figsize=(15, 7))</code>
这行代码使用Pandas绘图功能，绘制比特币收盘价随时间的变化趋势图。figsize参数指定图表大小。
结论
Pandas 是一个强大的数据处理工具，只需几行代码即可完成数据获取、清洗和可视化。本文演示了如何：
- 从Kraken API 获取历史加密货币价格。
- 将原始JSON数据转换为结构化的Pandas DataFrame。
- 使用Pandas函数检查和分析数据集。
- 创建可视化图表来跟踪价格趋势。
Pandas 提供了灵活性和易用性，方便处理大型数据集并快速获得洞见。 您可以尝试不同的加密货币、时间范围或可视化技术来进一步探索数据分析。
