Есть ли лучший способ сделать это (в идеале с одним l oop) - PullRequest
Новая
       3

Есть ли лучший способ сделать это (в идеале с одним l oop)

2 голосов
/ 09 марта 2020

Я пытаюсь создать pandas фрейм данных с индексом общего рынка криптовалют, индексированным по дате. Данные взяты из Coingecko API. Я могу добиться этого с помощью: 

import requests
import json

r = requests.get('https://api.coingecko.com/api/v3/coins/bitcoin/market_chart?vs_currency=usd&days=200')
response = json.loads(r.content)

#suppresses scientific notation
pd.set_option('display.float_format','{:.2f}'.format)

marketcapdf = df(columns=['dates', 'marketcap','volume'])

dates = []
for values in response['prices']:
    dates.append(values[0])

totalmktcap = []
for values in response['market_caps']:
    totalmktcap.append(values[1])

dailymktvolume = []
for values in response['total_volumes']:
    dailymktvolume.append(values[1])

marketcapdf =  df(dates, columns=['Dates'])
marketcapdf = marketcapdf.assign(Total_Marketcap=totalmktcap)
marketcapdf = marketcapdf.assign(Daily_volume=dailymktvolume)

print (marketcapdf)

Это приводит к правильному фрейму данных: 

             Dates  Total_Marketcap   Daily_volume
0    1566518400000  181311699889.67 20144228964.47
1    1566604800000  187878412535.86 18313019852.75
2    1566691200000  181764456091.20 21187546608.00
3    1566777600000  180491202154.33 17899166778.01
4    1566864000000  184989701185.55 23392461462.61
..             ...              ...            ...
196  1583452800000  165070261612.79 38122635173.15
197  1583539200000  166791067805.43 41388087588.44
198  1583625600000  162543409238.00 36764763103.12
199  1583712000000  147076617271.69 39132209137.70
200  1583767255000  142178026150.74 50332115525.77

Мне было интересно, есть ли лучший способ сделать это, почти уверен, что это можно сделать все за один доступ к элементу списка l oop. Но мне нужна твоя помощь, чтобы понять это. Если вы хотите проверить ответ API, просто go https://api.coingecko.com/api/v3/coins/bitcoin/market_chart?vs_currency=usd&days=200

1 Ответ

3 голосов
/ 09 марта 2020

Вы можете использовать list comprehensions, переданный непосредственно конструктору DataFrame: 

import requests
import json
import pandas as pd

r = requests.get('https://api.coingecko.com/api/v3/coins/bitcoin/market_chart?vs_currency=usd&days=200')
response = json.loads(r.content)

marketcapdf = pd.DataFrame({
    'Dates': [x[0] for x in response['prices']],
    'Total_Marketcap': [x[1] for x in response['market_caps']],
    'Daily_volume': [x[1] for x in response['total_volumes']]})

Или, альтернативно, использовать zip в единственное понимание 

marketcapdf = pd.DataFrame([(p[0], m[1], v[1])
                            for p, m, v in zip(*response.values())],
                           columns=['Dates', 'Total_Marketcap', 'Daily_volume'])
marketcapdf

[out] 

             Dates  Total_Marketcap   Daily_volume
0    1566518400000  181311699889.67 20144228964.47
1    1566604800000  187878412535.86 18313019852.75
2    1566691200000  181764456091.20 21187546608.00
3    1566777600000  180491202154.33 17899166778.01
4    1566864000000  184989701185.55 23392461462.61
..             ...              ...            ...
196  1583452800000  165070261612.79 38122635173.15
197  1583539200000  166791067805.43 41388087588.44
198  1583625600000  162543409238.00 36764763103.12
199  1583712000000  147076617271.69 39132209137.70
200  1583767255000  142178026150.74 50332115525.77

[201 rows x 3 columns]
...