Analisar Criptomoedas (formato em .ipynb)

!pip install yfinance

import numpy as nr

import pandas as pd

import matplotlib.pyplot as plt

import pandas_datareader.data as web

import yfinance as yf

yf.pdr_override()

#Carregar os dados das cripto moedas 

ltc = web.get_data_yahoo('LTC-USD')

btc = web.get_data_yahoo('BTC-USD')

etr =web.get_data_yahoo('ETH-USD')

 

#Mostrar os primeiros valores

ltc.head()

 

# Juntar as três moedas

df = pd.DataFrame({'BTC': btc['Adj Close'],

'ETH': etr['Adj Close'],

'LTC': ltc['Adj Close']

})

df

 

#Gráfico Crytomoedas

import matplotlib.pyplot as plt

plt.style.use('fivethirtyeight')

my_crypto = df

plt.figure(figsize = (12.2, 4.5))

for c in my_crypto.columns.values:

   plt.plot(my_crypto[c], label = c)

plt.title('Gráfico das Cryptomoedas')

plt.xlabel('Dias')

plt.ylabel(' Preço Crypto ($)')

plt.legend(my_crypto.columns.values, loc= 'upper left')

plt.show()

#Candlesticks 

import plotly.graph_objects as go

import pandas

# Analisar Bitcoin

#O padrão de cores dos candlesticks facilita a 

#interpretação do movimento do preço dos ativos. 

#Um candle verde significa que o ativo teve fechamento superior ao 

#preço de abertura. Já um candle vermelho significa que o ativo teve o preço 

#fechamento inferior ao de abertura.

fig = go.Figure(data=[go.Candlestick(x=btc.index,

open=btc['Open'],

high=btc['High'],

low=btc['Low'],

close=btc['Close'],

increasing_line_color='green',

decreasing_line_color = 'red'

)])

fig.show()

# Correlação

df.corr()