币安Binance API使用（二、交易所實例及數據獲取）

本文是幣安交易所 API 使用的第二篇，主要介紹如何使用ccxt庫實例化交易所並獲取歷史 K 線數據，如果還沒有註冊幣安的話，歡迎使用我的邀請鏈接註冊😘 ，還可以獲得交易手續費減免：https://accounts.binance.com/register?ref=DPVSZVI3

1. ccxt#

項目地址：https://github.com/ccxt/ccxt

ccxt是一個用於加密貨幣交易和電子商務的 JavaScript / Python / PHP / C# 庫，支持許多比特幣 / 以太坊等加密貨幣交易所的 API。

本教程使用 python 語言，使用使用pip或conda安裝

pip install ccxt
# or
conda install ccxt

查看支持的交易所：

import ccxt
print(ccxt.exchanges) # print a list of all available exchange classes

（雖然ccxt有文檔，但是感覺寫的太爛了，一開始用的時候看文檔費了很大勁，所以才想寫這一系列博客。）

2. 交易所實例初始化#

exchange = ccxt.binance({
    'apiKey': 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx',
    'secret': 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx',
    'timeout': 30000,
    'enableRateLimit': True,
    'options': {'defaultType': 'future'}
})
exchange.load_markets()

這裡實例化了一個ccxt.binance類，用到了我們前面創建的 API 的apiKey和secret，其它幾個參數的意思分別是：

'timeout'是請求超時時間，單位是毫秒。如果在這段時間內請求未得到響應，那麼將會拋出一個超時錯誤。
'enableRateLimit'是一個布爾值，如果設置為 True，那麼 ccxt 庫將會尊重交易所的速率限制，避免發送過多的請求。
'options'是一個字典，用於設置一些額外的選項。在這裡，'defaultType': 'future'表示默認的交易類型是期貨或者說合約，如果需要現貨交易類型就把值設置為'spot'。

exchange.load_markets()這個方法，用於從 Binance 交易所加載所有可用的市場數據。這個方法通常在開始交易之前調用，以確保有最新的市場數據。

3. 獲取 K 線數據#

為了方便對數據進行處理，我們需要用到pandas庫，使用命令pip install pandas安裝，然後再import pandas as pd引入這個庫，之後就可以用pd來調用裡面的類和方法了。

BTC_df= pd.DataFrame(exchange.fetch_ohlcv(symbol='BTC/USDT', timeframe='5m', limit=1000))

這裡使用exchange的fetch_ohlcv()方法來獲取我們需要的 K 線數據，其中用到的參數有：

symbol是 str 類型，是我們需要獲取數據的標的符號，如BTC/USDT標識比特幣對 USDT 的價格。
timeframe也是 str 類型，表示我們需要獲取的 K 線的時間尺度，例如 5 分鐘 ——5m，一天 ——1d（默認值為 1m）。
limit是 int 類型，表示獲取數據的條數，上限似乎是 1500 還是 1000，這個我沒有測試，大家可以試試看。
此外還有：
- since：int 類型，表示開始獲取數據的 timestamp。
- params：字典，存放額外的參數，一般用不到。

上面的示例代碼就是獲取比特幣對 USDT 的最近 1000 條（沒有since參數默認就是最近的limit條數據）5 分鐘級別 K 線數據。

得到的每一條數據依次包含以下條目：'Timestamp'（時間戳）, 'Open'（開盤價）, 'High'（最高價）, 'Low'（最低價）, 'Close'（收盤價）, 'Vol'（交易量）。

為了方便對這些數據進行處理，我們使用pandas設置一下列名：

BTC_df = pd.DataFrame(exchange.fetch_ohlcv('BTC/USDT', timeframe='5m', limit=1000))
BTC_df.columns = ['Timestamp', 'Open', 'High', 'Low', 'Close', 'Vol']

在 Jupiter NoteBook 裡面看到的數據就是這樣：

如果 1000 條不夠用的話，可以使用循環以及since參數獲取更前的數據，例如這裡我們可以看到在 5 分鐘級別數據上，相鄰數據之間Timestamp相差 300000，因此我們可以指定since為BTC_df['Timestamp'][0]-1000*300000來獲取更早的 1000 條數據，並和後面的數據拼接起來，代碼如下：

COUNT = 3  # 需要獲取數據的次數
BTC_df = pd.DataFrame(exchange.fetch_ohlcv(symbol='BTC/USDT', timeframe='5m', limit=1000))
for i in range(COUNT - 1):
    BTC_df = pd.concat([pd.DataFrame(exchange.fetch_ohlcv(symbol='BTC/USDT', 
                                                          timeframe='5m', 
                                                          since=COIN_df['Timestamp'][0]-1000*300000,
                                                          limit=1000)), BTC_df], ignore_index=True)
    time.sleep(1)
BTC_df.columns = ['Timestamp', 'Open', 'High', 'Low', 'Close', 'Vol']

通過修改變量COUNT的值，就可以獲取相應次數的數據。