来源：早起Python
作者：读者投稿
最近几年，比特币一直站在风口浪尖，一度被追捧为最佳的投资产品，拥护者认为这种加密货币是一种类似于黄金的储值工具，可以对冲通胀和美元疲软。其他人则认为，比特币的暴涨只是一个经济刺激措施催生的巨大泡沫，并且必将破裂。
一、获取数据
比特币数据很多网站都有，并且也有很多成熟的API，所以取数据非常简单，直接调用API接口即可，下面是获取与写入数据的全部代码
import?requestsimport?jsonimport?csvimport?timetime_stamp?=?int(time.time())url?=?f"https://web-api.coinmarketcap.com/v1/cryptocurrency/ohlcv/historical?convert=USD&slug=bitcoin&time_end={time_stamp}&time_start=1367107200"rd?=?requests.get(url?=?url)#?返回的数据是?JSON?格式，使用?json?模块解析co?=?json.loads(rd.content)list1?=?co['data']['quotes']with?open('BTC.csv','w'?,encoding='utf8',newline='')?as?f:????csvi?=?csv.writer(f)????csv_head?=?["date","price","volume"]????csvi.writerow(csv_head)????for?i?in?list1:????????quote_date?=?i["time_open"][:10]????????quote_price?=?"{:.2f}".format(i["quote"]["USD"]["close"])????????quote_volume?=?"{:.2f}".format(i["quote"]["USD"]["volume"])????????csvi.writerow([quote_date,?quote_price,?quote_volume])执行后，当前目录就会生成BTC.csv数据文件
二、动态可视化BTC价格变化
首先导入需要的包及相关设定
import?pandas?as?pdimport?matplotlib?as?mplfrom?matplotlib?import?cmimport?numpy?as?npimport?matplotlib.pyplot?as?pltimport?matplotlib.ticker?as?ticker?import?matplotlib.animation?as?animationfrom?IPython.display?import?HTMLfrom?datetime?import?datetimeplt.rcParams['font.sans-serif']?=?['SimHei']??plt.rcParams['axes.unicode_minus']?=?False??plt.rc('axes',axisbelow=True)?mpl.rcParams['animation.embed_limit']?=?2**128其中两句plt.rcParams[]是用来设置显示中文的
plt.rc('axes',axisbelow=True)的作用是设置外观要求，即坐标轴置底。
mpl.rcParams['animation.embed_limit'] = 2**128这句是为了生成动画而用的，由于动画默认的最大体积为20971520.字节。如果需要调整生成的动画最大体积，需要更改这个参数。
接下来数据并利用查看前5行与后5行
从表格初窥可以得知，13年初的价格在100美元左右，而到如今21年价格已经飞涨到5万左右了。具体在哪段时间飞涨如此之快呢，我们通过动态面积可视化来探索。
可视化之前，需要对数据进行处理，由于我们原本的数据是这样的
是csv格式，且Date字段是字符串类型，而在Python中运用matplotlib画时间序列图都需要datetime时间戳格式才美观，所以我们运用了如下代码进行转换
df?=?pd.read_csv('BTC.csv')df['date']=[datetime.strptime(d,?'%Y/%m/%d').date()?for?d?in?df['date']]下面制作静态面积图，使用单色填充的话，可用如下代码
Span=180N_Span=0df_temp=df.loc[N_Span*Span:(N_Span+1)*Span,:]df_temp.head(5)fig?=plt.figure(figsize=(6,4),?dpi=100)plt.subplots_adjust(top=1,bottom=0,left=0,right=0.9,hspace=0,wspace=0)plt.fill_between(df_temp.date.values,?y1=df_temp.price.values,?y2=0,alpha=0.75,?facecolor='r',?linewidth=1,edgecolor?='none',zorder=1)plt.plot(df_temp.date,?df_temp.price,?color='k',zorder=2)plt.scatter(df_temp.date.values[-1],?df_temp.price.values[-1],?color='white',s=150,edgecolor?='k',linewidth=2,zorder=3)plt.text(df_temp.date.values[-1],?df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center',?va='top')plt.ylim(0,?df_temp.price.max()*1.68)plt.xticks(ticks=df_temp.date.values[0:Span+1:30],labels=df_temp.date.values[0:Span+1:30],rotation=0)plt.margins(x=0.01)ax?=?plt.gca()#获取边框ax.spines['top'].set_color('none')????#?设置上‘脊梁’为无色ax.spines['right'].set_color('none')??#?设置上‘脊梁’为无色ax.spines['left'].set_color('none')???#?设置上‘脊梁’为无色plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)?????????#设置网格线???plt.show()其中Span设定的是多少天的价格，这里我们使用200天。N_Span代表权重；
df_temp=df.loc[N_Span*Span:(N_Span+1)*Span,:]代表的是选择到179行为止的数据，即180天。
plt.fill_between()是使用单色--红色填充
得到如下效果
但是一个颜色填充总感觉不够好看，所以下面使用渐变色填充，使用plt.bar()函数实现Spectral_r颜色映射。代码如下：
Span_Date?=180??Num_Date?=360??#终止日期df_temp=df.loc[Num_Date-Span_Date:?Num_Date,:]??#选择从Num_Date-Span_Date开始到Num_Date的180天的数据colors?=?cm.Spectral_r(df_temp.price?/?float(max(df_temp.price)))fig?=plt.figure(figsize=(6,4),?dpi=100)plt.subplots_adjust(top=1,bottom=0,left=0,right=0.9,hspace=0,wspace=0)plt.bar(df_temp.date.values,df_temp.price.values,color=colors,width=1,align="center",zorder=1)plt.plot(df_temp.date,?df_temp.price,?color='k',zorder=2)plt.scatter(df_temp.date.values[-1],?df_temp.price.values[-1],?color='white',s=150,edgecolor?='k',linewidth=2,zorder=3)plt.text(df_temp.date.values[-1],?df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center',?va='top')plt.ylim(0,?df_temp.price.max()*1.68)plt.xticks(ticks=df_temp.date.values[0:?Span_Date?+1:30],labels=df_temp.date.values[0:?Span_Date?+1:30],rotation=0)plt.margins(x=0.01)ax?=?plt.gca()#获取边框ax.spines['top'].set_color('none')???#?设置上‘脊梁’为无色ax.spines['right'].set_color('none')??#?设置上‘脊梁’为无色ax.spines['left'].set_color('none')???#?设置上‘脊梁’为无色plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)???#设置网格线???plt.show()这里的数据筛选有稍许不同，其中Span_Date设置初始时间，这里设置为180即从起始日开始算的180天.
Num_Date设置的是终止时间。
df_temp=df.loc[Num_Date-Span_Date: Num_Date,:]则是用loc函数筛选从180天到终止日期的数据。
效果如下：
三、动态可视化
最后，我们来将这幅图动起来，先将刚刚的绘图部分封装
def?draw_areachart(Num_Date):????Span_Date=180????ax.clear()????if?Num_Date<Span_Date:????????df_temp=df.loc[0:Num_Date,:]????????df_span=df.loc[0:Span_Date,:]????????colors?=?cm.Spectral_r(df_span.price.values?/?float(max(df_span.price.values)))????????plt.bar(df_temp.date.values,df_temp.price.values,color=colors,width=1.5,align="center",zorder=1)????????plt.plot(df_temp.date,?df_temp.price,?color='k',zorder=2)????????plt.scatter(df_temp.date.values[-1],?df_temp.price.values[-1],?color='white',s=150,edgecolor?='k',linewidth=2,zorder=3)????????plt.text(df_temp.date.values[-1],?df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center',?va='top')????????plt.ylim(0,?df_span.price.max()*1.68)????????plt.xlim(df_span.date.values[0],?df_span.date.values[-1])????????plt.xticks(ticks=df_span.date.values[0:Span_Date+1:30],labels=df_span.date.values[0:Span_Date+1:30],rotation=0,fontsize=9)????else:????????df_temp=df.loc[Num_Date-Span_Date:Num_Date,:]????????colors?=?cm.Spectral_r(df_temp.price?/?float(max(df_temp.price)))????????plt.bar(df_temp.date.values[:-2],df_temp.price.values[:-2],color=colors[:-2],width=1.5,align="center",zorder=1)????????plt.plot(df_temp.date[:-2],?df_temp.price[:-2],?color='k',zorder=2)????????plt.scatter(df_temp.date.values[-4],?df_temp.price.values[-4],?color='white',s=150,edgecolor?='k',linewidth=2,zorder=3)????????plt.text(df_temp.date.values[-1],?df_temp.price.values[-1]*1.18,s=np.round(df_temp.price.values[-1],1),size=10,ha='center',?va='top')????????plt.ylim(0,?df_temp.price.max()*1.68)????????plt.xlim(df_temp.date.values[0],?df_temp.date.values[-1])????????plt.xticks(ticks=df_temp.date.values[0:Span_Date+1:30],labels=df_temp.date.values[0:Span_Date+1:30],rotation=0,fontsize=9)????????plt.margins(x=0.2)????ax.spines['top'].set_color('none')??#?设置上‘脊梁’为红色????ax.spines['right'].set_color('none')??#?设置上‘脊梁’为无色????ax.spines['left'].set_color('none')??#?设置上‘脊梁’为无色????plt.grid(axis="y",c=(217/256,217/256,217/256),linewidth=1)?????????#设置网格线??????plt.text(0.01,?0.95,"BTC平均价格($)",transform=ax.transAxes,?size=10,?weight='light',?ha='left')????ax.text(-0.07,?1.03,?'2013年到2021年的比特币BTC价格变化情况',transform=ax.transAxes,?size=17,?weight='light',?ha='left')fig,?ax?=?plt.subplots(figsize=(6,4),?dpi=100)plt.subplots_adjust(top=1,bottom=0.1,left=0.1,right=0.9,hspace=0,wspace=0)??draw_areachart(150)之后使用matplotlib包的animation.FuncAnimation()函数，之后调用上述编写的draw_areachart(Num_Date)函数。
其中输入的参数Num_Date是如静态可视化中提及的日期作用一样，赋值为np.arange(0,df.shape[0],1)。
最后使用Ipython包的HTML()函数将动画转换成动画页面的形式演示。代码如下：
import?matplotlib.animation?as?animationfrom?IPython.display?import?HTMLfig,?ax?=?plt.subplots(figsize=(6,4),?dpi=100)plt.subplots_adjust(left=0.12,?right=0.98,?top=0.85,?bottom=0.1,hspace=0,wspace=0)??animator?=?animation.FuncAnimation(fig,?draw_areachart,?frames=np.arange(0,df.shape[0],1),interval=100)HTML(animator.to_jshtml())?函数FuncAnimation(fig,func,frames,init_func,interval,blit)是绘制动图函数。其参数如下：
“
fig 表示绘制动图的画布名称(figure)；func为自定义绘图函数，如draw_barchart()函数；frames为动画长度，一次循环包含的帧数，在函数运行时，其值会传递给函数draw_barchart (year)的形参“year”；init_func为自定义开始帧可省略；interval表示更新频率，计量单位为ms；blit表示选择更新所有点，还是仅更新产生变化的点，应选择为True，但mac电脑用户应选择False，否则无法显示。
”
最后效果就是这样
可以看到在过去的一年中，由于机构的兴趣日益增加，比特币上涨超过了6倍，最高突破58000美元/枚，当然可以看到跌起来也是非常恐怖的，关于比特币，你怎么看？