如何從 Binance API 提取實時數據並同時在 Matplotlib 上繪制？ 我可以單獨做，但不能一起做

Question

我有以下兩批代碼； 第一個從 Binance API 中提取數據：

while True: 
    await socket.__aenter__()
    msg = await socket.recv() 
    frame = createFrame(msg)
    frame.to_sql("BTCUSDT", engine, if_exists = 'append', index = False) 
    print(frame)   

上面的輸出看起來像這樣：

每秒都會生成一行新數據。

以上當然會連續運行，除非被中斷。

然后我有下面的代碼，它從上表中提取數據。 但我遇到的問題是上面的代碼不會停止運行，所以我們永遠不會看到下面的代碼。 我當然可以在一定數量的行之后停止上面的操作，但我想要的是將實時數據提取到下面的代碼中。 有什么想法可以重新排列我的代碼來實現這一點嗎？

x_axis = []
y_axis = []

def animate(i): 
    x_axis.append(frame.iloc[-1][1])
    y_axis.append(frame.iloc[-1][2])
    
    plt.cla()
    plt.plot(x_axis,y_axis)
    

ani = FuncAnimation(plt.gcf(),animate,interval = 1000)

plt.show()
    

Answer 1

我剛剛實現了這段代碼並找到了你的問題。 在這段代碼中，您可以看到我如何混合 matplot 從 Binance 獲取數據。 我對數據所做的事情並不重要，它只是一個演示。

順便說一句，您必須使用 FuncAnimation 來顯示實時數據，無論來源來自何處。 這個實現有可能的流程，請求的時間間隔與動畫的刷新有關。

import requests
import pandas as pd
import matplotlib.pyplot as plt
from time import sleep
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

我將我的“屬性”保留在函數之外以更新動畫。

# Capital initial.
initial_capital         = 100
# Montant du capital à investir.
operation_invest_rate   = 0.1
# Capital cumulatif investi pendant la durée de l'opération.
invest_capital          = initial_capital*operation_invest_rate
# Frais de transaction.
fee_rate                = 0.001
# Interval de transaction.
trade_time_interval     =  2000
# Ticker choisi.                                    
token_selected          = "ATOKEN"
# Source de données.
data_door               = "https://api.binance.com/api/v3/depth"

另外我實例化了圖表。 在這種情況下是散點圖。 我還使用數組將未來值存儲在函數中以進行后續更新。

# Stockage pour visualisation.
prix_achat    = []
prix_vente    = []
fig = plt.figure()
ax = plt.axes()
ax.set_xlabel("Prix d'achat", fontsize=15)
ax.set_ylabel("Prix de vente", fontsize=15)
ax.set_title("Prix d'achat vs Prix de vente", fontsize=20)
ax.grid(True)
ax.scatter(prix_achat, prix_vente, color='blue', alpha=0.3)

在這里，您可以觀察到更新函數的實現，我必須嵌入所有查詢和數據操作，因為它是唯一將在動畫過程中運行的函數。 我的“道具”被稱為全局變量（不好的做法），因此它們在內部和外部都可以訪問。

def update(i):
    global initial_capital
    global operation_invest_rate
    global invest_capital
    global fee_rate
    global trade_time_interval                                   
    global token_selected
    global data_door

在這里，我對數據進行“填充”。 這不重要，轉到下一條評論。

    r = requests.get(data_door,params=dict(symbol=token_selected))
    results = r.json()

    # Lier les données de réponse et définir les métadonnées.
    frames ={
        side: pd.DataFrame(
            data=results[side], 
            columns=["price", "quantity"],
            dtype=float)
        for side in ["bids", "asks"]
        }

    # Assigner les colonnes.
    frames_list = [frames[side].assign(side=side) for side in frames]

    # Definir les axes.
    data = pd.concat(frames_list, axis="index", ignore_index=True, sort=True)

    # Groupes de données par niveau de prix.
    price_summary = data.groupby("side").price.describe()

    print(price_summary)
    spread = price_summary._get_value("asks","mean") - price_summary._get_value("bids","mean")
    spread_percent = spread / price_summary._get_value("asks","mean")

    

這是您問題的答案。 新數據可用后，您可以將其添加到原始數據中並重新調用圖表。

    # Mise a jour du graphique.
    prix_achat.append(buy_unit_price)
    prix_vente.append(sell_unit_price)
    ax.scatter(prix_achat, prix_vente, color='blue', alpha=0.5)

定義函數后，您可以調用動畫並顯示圖形。

animation = FuncAnimation(plt.gcf(), update, interval=trade_time_interval)
plt.tight_layout()
plt.show()