用Python探寻加密货币行情数据：从入门到实战

最近加密货币市场可太热闹了，身边不少朋友都在讨论要不要入场“捞一笔”。大家都知道，要是真打算参与进去，获取准确又及时的市场数据可是关键的第一步。这加密货币市场和咱们熟悉的传统金融市场区别还挺大，就说交易所吧，有去中心化交易所（DEX）和中心化交易所（CEX）这两大类。不过一般咱们普通人接触最多的还是中心化交易所。想获取市场数据的话，和传统金融市场类似，也能找专业的数据提供商，可人家基本都是要收费的。今天我就跟大家分享一下，怎么借助Python编程语言，从中心化交易所获取加密货币的行情数据，不管是历史数据还是实时数据，都能搞定，甚至还能通过websocket直接监控数据，用来实时关注不同交易对之间的价差呢。

我自己刚接触加密货币市场的时候，也被各种数据获取的问题搞得焦头烂额。当时就想着要是能有个简单又通用的办法就好了。后来发现了ccxt这个Python库，真的帮了大忙，所以今天就用它来给大家演示。

ccxt，全称是CryptoCurrency eXchange Trading，它可是个相当厉害的开源库。借助它，咱们能用统一的代码访问全球上百家数字货币交易所，就好像有了一把万能钥匙，能轻松打开各个交易所的数据大门。而且它支持好多编程语言，像Javascript、Python和PHP都可以用。这ccxt的功能可不止获取数据这么简单，还能支持直接下单、管理订单、查看仓位和账户信息，有了它，实现自动化交易都不是梦。

要是你也想使用ccxt来获取数据，第一步就是得把它安装到你的电脑上。这一步其实挺简单的，打开终端，输入“pip install ccxt”，然后耐心等一会儿，系统就会自动帮你把ccxt库安装好啦。

安装好之后，接下来就得初始化交易所对象。我以币安交易所为例，代码是这样写的：

import ccxt
exchange = ccxt.binance({
'enableRateLimit': True,  # 必须开启！防止被交易所封IP
'timeout': 15000# 超时设为15秒
})

这里的enableRateLimit参数一定要设置为True，因为交易所的API都有严格的调用频率限制，如果不开启这个频率限制功能，很容易因为调用太频繁被交易所封IP，到时候可就没办法获取数据了。要是你在使用过程中遇到网络问题，也别着急，可以通过设置proxies参数来切换网络环境。比如这样：

exchange = ccxt.okx({
"proxies": {
"http": "http://127.0.0.1:7890",
"https": "http://127.0.0.1:7890"
    }
})

成功初始化交易所对象后，咱们可以获取交易所上的所有交易品种。这一步很重要，要是不先获取这些信息，后面进行其他操作的时候，可能会因为找不到对应的品种而报错。代码是这样的：

markets = exchange.load_markets()
print(list(markets.keys)[:10])

运行这段代码后，会输出类似这样的结果：

['ETH/BTC', 'LTC/BTC', 'BNB/BTC', 'NEO/BTC', 'QTUM/ETH', 'EOS/ETH', 'SNT/ETH', 'BNT/ETH', 'BCC/BTC', 'GAS/BTC']

这些就是交易所里部分交易对的信息啦。

获取实时价格是了解市场动态最直接的方式。在ccxt里，获取某个品种当前价格主要靠fetch_ticker函数接口。我给大家举个例子，看看怎么读取BTC/USDT交易对的最新价：

ticker = exchange.fetch_ticker('BTC/USDT')
print(f"""
实时价格：
- 最新价：{ticker['last']} USDT
- 24小时最高：{ticker['high']}
- 24小时成交量：{ticker['quoteVolume']} USDT
""")

运行之后，得到的输出可能是这样：

实时价格：
- 最新价：97004.87 USDT
- 24小时最高：97640.02
- 24小时成交量：1743212485.2952676 USDT

这里返回的ticker包含了很多有用的信息，它的结构体大家可以查看官方文档Ticker Structure了解，里面详细说明了每个字段的含义。简单来说，fetch_ticker返回的就是某个交易对当前最新的市场数据。

历史行情数据对于分析市场趋势、制定交易策略也非常有帮助。比如说，我们可以用这些数据来计算一些技术指标，识别市场模式，进而产生交易信号。下面这段代码可以获取BTC/USDT的日线数据：

# 获取最近3天的日线数据
ohlcvs = exchange.fetch_ohlcv(
    symbol='BTC/USDT',
    timeframe='1d',  # 可选：1m, 5m, 1h, 1d等
    limit=5# 获取条数
)
print(ohlcvs)

这里设置的参数是获取BTC/USDT的历史行情，时间周期为1天，数量是5条。运行后输出的结果大概是这样：

[[1739138760000, 94897.63, 95052.0, 94884.44, 95047.09, 17.96677],
[1739138820000, 95047.1, 95128.75, 95047.1, 95118.36, 12.27411],
[1739138880000, 95118.36, 95135.99, 95051.65, 95122.51, 10.40116],
[1739138940000, 95122.52, 95178.69, 95104.42, 95178.57, 7.81859],
[1739139000000, 95178.57, 95246.13, 95160.0, 95246.13, 48.00226]]

这里面每个小列表代表一天的数据，从左到右依次是时间戳、开盘价、最高价、最低价、收盘价和交易量。要是觉得这样的数据不太直观，还可以把它转换成更易读的pandas格式，代码如下：

import pandas as pd
data = pd.DataFrame(ohlcvs, columns=["timestamp_ms", "open", "high", "low", "close", "volume"])
print(data)

转换后的输出就清晰多啦：

   timestamp_ms      open      high       low     close    volume
0  1739139000000  95178.57  95246.13  95160.00  95246.13  48.00226
1  1739139060000  95246.12  95436.12  95230.02  95429.63  24.59766
2  1739139120000  95429.64  95429.64  95282.44  95371.00  44.81550
3  1739139180000  95371.00  95443.28  95371.00  95433.12  12.77712
4  1739139240000  95433.12  95527.79  95433.12  95436.70  15.98278

要是你想设计一个高频交易策略，那分钟级别的数据可能更有用。很多交易所都支持获取分钟级别数据，甚至有些还能拿到全量的分钟数据。还是以获取BTC/USDT的1分钟数据为例，只需要修改fetch_ohlcv的timeframe参数就行啦，示例代码如下：

# 获取最近20根15分钟K线
ohlcvs = exchange.fetch_ohlcv('BTC/USDT', '1m', limit=20)

除了基本的行情数据，订单簿（市场深度）数据对于了解市场的供需情况也很重要。通过ccxt获取订单簿数据也不难，调用fetch_order_book函数就行。给大家看个简单示例：

order_book = exchange.fetch_order_book('BTC/USDT', limit=100)
best_bid = order_book['bids'][0][0]  # 买一价
best_ask = order_book['asks'][0][0]  # 卖一价
print(f"买一价：{best_bid}, 卖一价：{best_ask}, 价差：{best_ask - best_bid}")

运行后会得到类似这样的结果：

买一价：97141.35, 卖一价：97141.36, 价差：0.00999999999476131

这里的fetch_order_book函数可以指定获取深度，像binance的接口默认是100，最多能获取到5000的订单簿深度。不同的深度数据可以满足不同的分析需求，深度越大，反映的市场情况就越详细。

前面介绍的几种获取数据的方式，都是主动发起请求。但在一些对实时性要求特别高的场景下，这种方式就不太合适了。因为轮询不仅延迟大，容易错过一些交易机会，还可能因为频繁请求触发交易所的频率限制。不过别担心，ccxt有个pro版本ccxt.pro，它可以通过WebSocket实现实时监听。我们只需要对前面的接口稍微修改一下，就能达到实时监听的效果。代码如下：

import asyncio
import ccxt.pro as ccxtpro

exchange = ccxtpro.binance({
'enableRateLimit': True,  # 必须开启！防止被交易所封IP
'timeout': 15000,  # 超时设为15秒
})


asyncdefwatch_order_book():
whileTrue:
        order_book = await exchange.watch_order_book('BTC/USDT')
        best_ask = order_book["asks"][0][0]
        best_bid = order_book["bids"][0][0]
        print(f"order_book, 价差:{best_ask - best_bid}")


asyncdefwatch_ticker():
whileTrue:
        ticker = await exchange.watch_ticker('BTC/USDT')
        print(f"ticker, 最新价: {ticker['last']}")


asyncdefmain():
await asyncio.gather(watch_order_book(), watch_ticker())


if __name__ == "__main__":
    asyncio.run(main())

运行这段代码后，就可以实时监控数据，不断输出新的结果啦，类似这样：

order_book, 价差:0.00999999999476131
order_book, 价差:0.00999999999476131
order_book, 价差:0.00999999999476131
order_book, 价差:0.00999999999476131
order_book, 价差:0.00999999999476131
order_book, 价差:0.00999999999476131
order_book, 价差:0.00999999999476131
order_book, 价差:0.00999999999476131
ticker, 最新价: 97228.01
...

到这里，我们已经学会了如何利用ccxt获取加密货币的各种行情数据。学会这些之后，我们还可以做很多有意思的事情。比如说，实时监控不同交易对或交易所之间的价差，寻找套利机会；还能用ccxt的create_order方法实现自动交易。不过要提醒大家，加密货币市场波动非常大，交易风险也很高，在实际操作的时候一定要谨慎再谨慎。

在实际使用过程中，也可能会遇到一些特殊情况。比如说，不同交易所对于同一加密货币的交易对表示方式可能不太一样，这就需要我们在获取数据和分析数据的时候格外注意。还有，有时候网络不稳定或者交易所API出现故障，也会影响数据的获取。遇到这些问题不要慌，可以多查阅相关文档，或者在技术交流论坛上和其他开发者交流经验。

希望今天分享的内容能对大家有所帮助。要是你在学习和实践过程中有什么问题或者心得，欢迎在评论区留言讨论。要是还想获取更详细的代码示例，在公众号发送相关关键词就能拿到哦。加密货币市场充满了机遇和挑战，希望大家都能利用好这些技术，在这个市场里有所收获，但一定要牢记风险，理性投资。