Pour surveiller les tendances dans le domaine d’Ethereum en temps réel, vous pouvez utiliser des bibliothèques Python telles que `requests` pour récupérer des données depuis des API, et `pandas` pour analyser et visualiser ces données. Voici un exemple de script Python qui surveille les tendances du prix d’Ethereum en temps réel et affiche des graphiques de tendance.
« `python
import requests
import pandas as pd
import time
import matplotlib.pyplot as plt
# Fonction pour récupérer les données de prix d’Ethereum depuis une API
def get_eth_price():
url = « https://api.coingecko.com/api/v3/simple/price?ids=ethereum&vs_currencies=usd »
response = requests.get(url)
data = response.json()
eth_price = data[‘ethereum’][‘usd’]
return eth_price
# Initialisation des données
eth_prices = []
timestamps = []
# Boucle pour surveiller les tendances en temps réel
while True:
timestamp = time.time()
eth_price = get_eth_price()
eth_prices.append(eth_price)
timestamps.append(timestamp)
# Créer un DataFrame pour visualiser les données
df = pd.DataFrame({
‘Timestamp’: timestamps,
‘Ethereum Price’: eth_prices
})
# Afficher le graphique des tendances
plt.figure(figsize=(10, 5))
plt.plot(df[‘Timestamp’], df[‘Ethereum Price’], marker=’o’)
plt.title(‘Ethereum Price Trends (USD)’)
plt.xlabel(‘Timestamp’)
plt.ylabel(‘Ethereum Price (USD)’)
plt.grid(True)
plt.show()
# Attendre 5 minutes avant de récupérer les nouvelles données
time.sleep(300)
« `
Explication du script
1. **Importation des bibliothèques nécessaires** :
– `requests` pour effectuer des requêtes HTTP.
– `pandas` pour manipuler et analyser les données.
– `time` pour gérer les délais d’attente.
– `matplotlib.pyplot` pour visualiser les données.
2. **Fonction `get_eth_price`** :
– Cette fonction récupère le prix actuel d’Ethereum en USD depuis l’API CoinGecko.
3. **Initialisation des données** :
– Deux listes sont initialisées pour stocker les horodatages et les prix d’Ethereum.
4. **Boucle de surveillance en temps réel** :
– La boucle infinie récupère le prix actuel d’Ethereum toutes les 5 minutes.
– Les données sont ajoutées aux listes des horodatages et des prix.
– Un DataFrame pandas est créé pour organiser les données.
– Un graphique est tracé pour visualiser les tendances des prix d’Ethereum.
5. **Affichage du graphique** :
– Le graphique est affiché à chaque itération de la boucle, montrant les tendances des prix d’Ethereum en fonction du temps.
Remarques
– Ce script est conçu pour être exécuté dans un environnement où les bibliothèques mentionnées sont installées.
– Vous pouvez ajuster les délais d’attente et les sources de données selon vos besoins.
– Pour une utilisation en production, il serait préférable de gérer les exceptions et d’ajouter des fonctionnalités supplémentaires, telles que l’enregistrement des données dans un fichier ou une base de données.
Ce script fournit une base solide pour surveiller les tendances des prix d’Ethereum en temps réel et peut être étendu pour inclure d’autres indicateurs et analyses.