比特币10年价格数据(2014-2024)分析(进阶1_聚类分析)

比特币10年价格数据(2014-2024)分析(进阶1_聚类分析)

引用

CSDN

1.

https://blog.csdn.net/2301_80651329/article/details/142319298

本文通过K-means聚类分析方法，对2014-2024年比特币价格数据进行深入分析。通过数据预处理、聚类数选择和结果可视化等步骤，揭示了比特币价格和成交量的聚类特征。

数据说明

本数据集包含 2014 - 2024 的比特币美元价格数据，具体包含比特币每日的开盘价、最高价、最低价、收盘价以及成交量等关键信息。数据说明如下：

在发布的上一篇中，具体分析了价格波动与趋势分析、成交量与市场波动关系分析、价格异常波动检测和成交量异常值检测等。在本文中，将从市场特征聚类分析角度进行分析。

首先读取处理过的数据：

import pandas as pd
file_path = 'data.csv'
data = pd.read_csv(file_path)
data

探究合适的聚类数

import matplotlib.pyplot as plt
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

numerical_features = data[['Adj Close', 'Volume']]
imputer = SimpleImputer(strategy='mean')
numerical_data_imputed = pd.DataFrame(imputer.fit_transform(numerical_features), columns=numerical_features.columns)
scaler = StandardScaler()
numerical_data_scaled = scaler.fit_transform(numerical_data_imputed)
wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=42)
    kmeans.fit(numerical_data_scaled)
    wcss.append(kmeans.inertia_)
plt.figure(figsize=(10,5))
plt.plot(range(1, 11), wcss, marker='o', linestyle='--')
plt.title('Elbow Method')
plt.xlabel('Number of Clusters')
plt.ylabel('WCSS')
plt.grid(True)
plt.show()

根据肘部法则图，我们可以看到在 (k=3) 时，WCSS（聚类内样本的均方距离和）开始显著下降的速度变慢，这表明 3 可能是一个合适的聚类数。下面是代码的详细解释：

import matplotlib.pyplot as plt
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

这里导入了matplotlib.pyplot用于绘图，SimpleImputer用于数据填充，StandardScaler用于数据标准化，以及KMeans用于执行K均值聚类。

选择数值特征

numerical_features = data[['Adj Close', 'Volume']]

这里，data 是一个假设的数据集，numerical_features 选择了数据集中的’Adj Close’（调整后的收盘价）和’Volume’（成交量）两列作为数值特征。

填充缺失值

imputer = SimpleImputer(strategy='mean')
numerical_data_imputed = pd.DataFrame(imputer.fit_transform(numerical_features), columns=numerical_features.columns)

这里创建了一个SimpleImputer对象，用于填充数值特征中的缺失值。strategy='mean' 指定了使用每列的平均值来填充缺失值。然后，使用这个imputer来转换 numerical_features，并将结果转换回DataFrame，列名保持不变。

标准化数值数据

scaler = StandardScaler()
numerical_data_scaled = scaler.fit_transform(numerical_data_imputed)

这里创建了一个StandardScaler对象，用于将数值数据标准化，即转换为具有零均值和单位方差的数据。fit_transform 方法先拟合数据，然后进行转换。

使用肘部方法找到最优的聚类数

wcss = []
for i in range(1, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++', random_state=42)
    kmeans.fit(numerical_data_scaled)
    wcss.append(kmeans.inertia_)

这段代码通过KMeans聚类算法来寻找最优的聚类数。它计算了从1到10个聚类的总内距离和（Within-Cluster Sum of Squares, WCSS）。init='k-means++' 指定了使用k-means++算法来选择初始质心，random_state=42 确保了结果的可重复性。

绘制肘部方法图

plt.figure(figsize=(10,5))
plt.plot(range(1, 11), wcss, marker='o', linestyle='--')
plt.title('Elbow Method')
plt.xlabel('Number of Clusters')
plt.ylabel('WCSS')
plt.grid(True)
plt.show()

最后，使用matplotlib.pyplot绘制了肘部方法图，它显示了不同聚类数目下的WCSS值。通过观察WCSS随着聚类数目增加的变化情况，可以找到一个“拐点”（即“肘部”），这通常被视为最优的聚类数目。图的标题、x轴和y轴标签都已设置，并且开启了网格线以便于观察。

K-means聚类分析

import seaborn as sns
kmeans = KMeans(n_clusters=3, init='k-means++', random_state=42)
numerical_data_scaled_clusters = kmeans.fit_predict(numerical_data_scaled)
clustered_data = pd.DataFrame(numerical_data_scaled, columns=numerical_features.columns)
clustered_data['Cluster'] = numerical_data_scaled_clusters
clustered_data_heatmap = clustered_data.groupby('Cluster').mean().T
plt.figure(figsize=(10,6))
sns.heatmap(clustered_data_heatmap, annot=True, cmap='viridis')
plt.title('Heatmap of Clustered Data')
plt.xlabel('Cluster')
plt.ylabel('Feature')
plt.show()

现在我们有了聚类结果的热图。每个聚类中心的特征值（调整后的收盘价和成交量）在热图中以不同的颜色表示。这可以帮助我们理解每个聚类的特征。

从热图中，我们可以看到：

• 第 0 类具有较低的调整后收盘价和成交量。
• 第 1 类具有中等的调整后收盘价和成交量。
• 第 2 类具有较高的调整后收盘价和成交量。

这段代码是用来执行K-means聚类分析并将结果以热力图形式展示的。下面我将具体解释代码的功能：

import seaborn as sns

这行代码导入了Seaborn库，它是一个基于Matplotlib的Python数据可视化库，特别适用于绘制多样的统计图表。

kmeans = KMeans(n_clusters=3, init='k-means++', random_state=42)
numerical_data_scaled_clusters = kmeans.fit_predict(numerical_data_scaled)

这里，代码使用KMeans类从scikit-learn库创建了一个K-means聚类模型，指定了3个聚类中心（n_clusters=3），并使用’k-means++'方法来智能选择初始聚类中心。random_state=42 是为了保证结果的可重复性。fit_predict 方法对经过缩放的数值型数据 numerical_data_scaled 进行拟合，并预测每个数据点的簇标签。

clustered_data = pd.DataFrame(numerical_data_scaled, columns=numerical_features.columns)
clustered_data['Cluster'] = numerical_data_scaled_clusters

这两行代码创建了一个新的DataFrame，包含了缩放后的数值数据以及新的一列’Cluster’，该列包含每个数据点对应的簇标签。

clustered_data_heatmap = clustered_data.groupby('Cluster').mean().T

这行代码通过按’Cluster’列分组并计算每组的平均值，将数据转换成适合绘制热力图的形式。.T 是转置操作，目的是为了让特征（列）作为行，簇（Cluster）作为列，这样的格式更适合在热力图中展示。

plt.figure(figsize=(10,6))
sns.heatmap(clustered_data_heatmap, annot=True, cmap='viridis')
plt.title('Heatmap of Clustered Data')
plt.xlabel('Cluster')
plt.ylabel('Feature')
plt.show()

这部分代码绘制了热力图。plt.figure(figsize=(10,6)) 设置了图形的大小为10x6英寸。sns.heatmap 函数绘制热力图，其中 annot=True 表示在热力图上显示数值，cmap='viridis' 指定了颜色映射。plt.title、plt.xlabel、和 plt.ylabel 分别设置了图形的标题和轴标签。最后，plt.show() 显示了图形。