En el artículo anterior se obtuvo la cotización de bitcoin del sitio coinmarketcap por medio de request o directamente de una librería que accede al API.

En este artículo se obtiene la información de las primeras 100 criptomonedas que cotizan en coinmarketcap, y se manejará dicha información por medio de pandas.  Luego de ordenar la información de las monedas se van a almacenar en un archivo csv.

Este artículo se basa en un artículo en inglés Importing Altcoin Data with Python and the CoinmarketCap API.

Si quieren pueden repasar lo que pueden hacer con pandas revisando los siguientes artículos:

A continuación el código en formato jupyter notebook:

In [1]:
#Se importa coinmarketcap, json, pandas y time
import coinmarketcap
import json
import pandas as pd
import time
In [2]:
#SE instancia la clase Market y se consulta la cotización de ethereum.
market = coinmarketcap.Market()
coin = market.ticker("ethereum")
In [3]:
#Se muestra el tipo de la variable coin
type(coin)
Out[3]:
list
In [4]:
#Se muestra que la lista tiene 1 elemento.
print(len(coin))
1
In [5]:
#Se muestra el tipo del primer elemento de la lista
type(coin[0])
Out[5]:
dict
In [6]:
#Se muestra el primer elemento de la lista el cual es un diccionario
print (coin[0])
{'symbol': 'ETH', 'price_btc': '0.0758447', 'price_usd': '725.008', 'cached': False, 'market_cap_usd': '71145122811.0', 'available_supply': '98130121.0', '24h_volume_usd': '1559710000.0', 'percent_change_1h': '0.22', 'percent_change_24h': '6.39', 'name': 'Ethereum', 'id': 'ethereum', 'total_supply': '98130121.0', 'rank': '2', 'last_updated': '1520813352', 'max_supply': None, 'percent_change_7d': '-16.25'}
In [7]:
#Se muestra los datos de la variable coin, identado, y ordenada las claves.
print(json.dumps(coin, indent=4, sort_keys=True))
[
{
"24h_volume_usd": "1559710000.0",
"available_supply": "98130121.0",
"cached": false,
"id": "ethereum",
"last_updated": "1520813352",
"market_cap_usd": "71145122811.0",
"max_supply": null,
"name": "Ethereum",
"percent_change_1h": "0.22",
"percent_change_24h": "6.39",
"percent_change_7d": "-16.25",
"price_btc": "0.0758447",
"price_usd": "725.008",
"rank": "2",
"symbol": "ETH",
"total_supply": "98130121.0"
}
]
In [8]:
#Ahora se usa panda series, se toma la cotización de ethereum y se guarda en 
#la variable ether
ether = pd.Series(market.ticker("ethereum")[0])
In [9]:
#Se muestra el valor de la variable ether
print(ether)
24h_volume_usd         1559710000.0
available_supply 98130121.0
cached True
id ethereum
last_updated 1520813352
market_cap_usd 71145122811.0
max_supply None
name Ethereum
percent_change_1h 0.22
percent_change_24h 6.39
percent_change_7d -16.25
price_btc 0.0758447
price_usd 725.008
rank 2
symbol ETH
total_supply 98130121.0
dtype: object
In [10]:
#Se muestra la descripción de la serie
print(ether.describe)
<bound method NDFrame.describe of 24h_volume_usd         1559710000.0
available_supply 98130121.0
cached True
id ethereum
last_updated 1520813352
market_cap_usd 71145122811.0
max_supply None
name Ethereum
percent_change_1h 0.22
percent_change_24h 6.39
percent_change_7d -16.25
price_btc 0.0758447
price_usd 725.008
rank 2
symbol ETH
total_supply 98130121.0
dtype: object>
In [11]:
#Se guardan otras monedas alternativas en el arreglo de pandas
wowcoin = pd.Series(market.ticker("wowcoin")[0])
bitcoin = pd.Series(market.ticker("bitcoin")[0])
coinArray = pd.DataFrame([ether,bitcoin,wowcoin]).set_index("id")
In [12]:
#Se muestra los datos del arreglo panda
print(coinArray)
         24h_volume_usd available_supply  cached last_updated market_cap_usd  \
id
ethereum 1559710000.0 98130121.0 True 1520813352 71145122811.0
bitcoin 6292920000.0 16913662.0 False 1520813365 162866556360
wowcoin 106.405 None False 1520813347 None

max_supply name percent_change_1h percent_change_24h \
id
ethereum None Ethereum 0.22 6.39
bitcoin 21000000.0 Bitcoin 0.42 9.61
wowcoin None Wowcoin 3.01 4.04

percent_change_7d price_btc price_usd rank symbol \
id
ethereum -16.25 0.0758447 725.008 2 ETH
bitcoin -15.97 1.0 9629.29 1 BTC
wowcoin -78.7 0.000000002 0.0000163877 1467 WOW

total_supply
id
ethereum 98130121.0
bitcoin 16913662.0
wowcoin None
In [13]:
#Ahora se extrae las cotizaciones de 100 cryptomonedas
coins = market.ticker()
In [14]:
#El tamaño de la lista es 100
len(coins)
Out[14]:
100
In [15]:
#Se almacena las 100 monedas en un dataframe de pandas a partir de una serie panda
coinArray2 = pd.DataFrame([pd.Series(coins[i]) for i in range(100)]).set_index('id')
In [17]:
#Obtengo los primeros 3 criptomonedas
coinArray2.head(3)
Out[17]:
.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

24h_volume_usd available_supply cached last_updated market_cap_usd max_supply name percent_change_1h percent_change_24h percent_change_7d price_btc price_usd rank symbol total_supply
id
bitcoin 6292920000.0 16913662.0 False 1520813365 162866556360 21000000.0 Bitcoin 0.42 9.61 -15.97 1.0 9629.29 1 BTC 16913662.0
ethereum 1559710000.0 98130121.0 False 1520813352 71145122811.0 None Ethereum 0.22 6.39 -16.25 0.0758447 725.008 2 ETH 98130121.0
ripple 471767000.0 39091956706.0 False 1520813341 32612386698.0 100000000000 Ripple 0.33 5.49 -14.76 0.00008727 0.834248 3 XRP 99992520283.0
In [18]:
#Se define almacenar los datos en un archivo csv que maneje el tiempo en que se creo el
#archivo como nombre del archivo
location = 'Data/'+str(time.time())+'.csv'
In [19]:
#Se almacenan los datos en formato csv
coinArray2.to_csv(location)
In [20]:
#Ahora se repiten las instrucciones anteriores con 3 ciclos de cada 2 min
coins = market.ticker()
for i in range(3):
coinArray = pd.DataFrame([pd.Series(coins[i]) for i in range(100)]).set_index('id')
location = 'Data/'+str(time.time())+'.csv'
coinArray.to_csv(location)
time.sleep(2*60)

Al terminar de ejecutar el programa se tiene 4 archivos en formato csv:

En siguientes artículos se utilizarán los datos almacenados para hacer analítica de datos con Pandas.

Anuncios