仮想通貨BOTの基本：GMOコインのレバレッジ取引用11銘柄の時価総額(Market Cap)をPlotly Expressで視覚化しよう

ようこそ「Python」へ...

Python»記事(Article157) ◀前の記事次の記事▶

仮想通貨BOTの基本：GMOコインのレバレッジ取引用11銘柄の時価総額(Market Cap)をPlotly Expressで視覚化しよう

記事「Article156-仮想通貨BOTの基本：時価総額(Market Cap)をPlotly Expressのツリーマップ(treemap)で視覚化しよう」では、仮想通貨の時価総額(Market Cap)をPlotly Expressの「treemap()」メソッドで視覚化する方法を解説しました。本記事では、仮想通貨の時価総額上位100のデータを取得します。そして、上位100の中からGMOコインのレバレッジ取引用の銘柄を絞り込んでツリーマップ(treemap)で視覚化します。

参考までにGMOコインでは、レバレッジ取引は11銘柄をサポートしています。本記事執筆時点では国内の取引所最多です。

【GMOコインでサポートしているレバレッジ取引用銘柄】
ビットコイン（BTC/JPY）、イーサリアム（ETH/JPY）、ビットコインキャッシュ（BCH/JPY)、リップル（XRP/JPY)、ライトコイン（LTC/JPY）、ポルカドット（DOT/JPY）、コスモス（ATOM/JPY）、カルダノ（ADA/JPY）、チェーンリンク（LINK/JPY）、ドージコイン（DOGE/JPY）、ソラナ（SOL/JPY）

仮想通貨の取引には「現物取引」と「レバレッジ取引」がありますが、BOTで自動トレードを行うときは「レバレッジ取引」が有利です。たとえば、GMOコインの場合、以下のようなメリットがあります。

日本国内では最大２倍までレバレッジがかけられる
レバレッジ取引ではショートポジション（売り）から入ることができる（つまり上昇・下降どちらのトレンドでも稼げる）
現物取引は売買ごとに手数料（taker, maker)がかかるが、レバレッジ取引では売買手数料は無料（ただし、レバレッジ取引ではポジションをロールオーバーさせるとレバレッジ手数料がかかる）

一般に仮想通貨のトレードを行うときは、「時価総額(Market Cat)」、「取引量(Volume)」、「プロジェクトの実用性と将来性」、「コミュニティと開発チーム」、「技術的な分析 (Technical Analysis)」、「ファンダメンタルズ分析 (Fundamental Analysis)」などを調べてどの仮想通貨にするかを選択します。

これらの項目の中でもっとも優先されるのが「時価総額」です。なぜなら、高い時価総額を持つ仮想通貨は安定性と流動性が高いためです。

本シリーズでは、MicrosoftのVisual Studio Code(VS Code)を使用します。説明文の左側に図の画像が表示されていますが縮小されています。画像を拡大するにはマウスを画像上に移動してクリックします。画像が拡大表示されます。拡大された画像を閉じるには右上の[X]をクリックします。画像の任意の場所をクリックして閉じることもできます。

【免責事項】
当記事や当サイトの情報を参考に仮想通貨のBOT(自動トレードプログラム)を動かす場合は、すべて自己責任でお願いいたします。当サイトの情報を参考にして発生したいかなる損害も責任を負いません。

仮想通貨BOTの基本：GMOコインのレバレッジ取引用11銘柄の時価総額(Market Cap)をPlotly Expressで視覚化しよう

ユーザー定義関数「get_top_n_crypto_market_cap()」を呼び出して仮想通貨のMarket Capデータ上位100を取得する
ここでは、「記事155」で解説しているユーザー定義関数「get_top_n_crypto_market_cap()」を呼び出して仮想通貨の時価総額(Market Cap)上位100を取得しています。関数の引数には「top=100」と「currency='usd'」を指定しています。この場合、仮想通貨の時価総額上位100のデータがPandasのDataFrameに格納されて返されます。時価総額は米ドルになります。

リスト1:
```
#######################
### Main
#######################

# [0] Get top 100 crypto market cap data

top = 100
currency = 'usd'
df = get_top_n_crypto_market_cap(top, currency)

# Convert symbol values to uppercase
df['symbol'] = df['symbol'].str.upper()

# Convert market cap values to billions for better readability
df['market_cap'] = df['market_cap'] / 1e9
```
図1-1

図1-1には、PandasのDataFrameの構造と内容を表示しています。 DataFrameは列（id, symbol, name, market_cap, current_price, totoal_volume)から構成されています。シンボル(symbol)は大文字に変換されています。また、時価総額は米ドルでビリオンの単位になっています。
Pandas DataFrameの「isin()」メソッドを使用してGMOコインのレバレッジ取引用11銘柄を絞り込む
ここでは、PandasのDataFrameに格納されている100種類の仮想通貨をGMOコインのレバレッジ取引用の11銘柄に絞り込んでいます。 DataFrameのデータを絞り込むには、DataFrameの「isin()」メソッドを使用しています。

リスト2:
```
# 1: Filter dataframe by symbol using isin() method

# List of symbols to filter
filter_symbols = ['BTC','ETH','BCH','LTC','XRP','DOT','ATOM','ADA','LINK','DOGE','SOL']
filter_mask = df['symbol'].isin(filter_symbols)

# Filtering the dataframe
df = pd.DataFrame(df[filter_mask])
```
図2-1

図2-1には、DataFrameの内容を表示しています。「df['symbol'].values」では、DataFrameの列「symbol」の値を表示しています。「df['symbol'].value_counts」では、DataFrameの列(symbol)の値と行(row)のインデックスを表示しています。

Plotly Expressの「treemap()」メソッドで仮想通貨(GMOコインのレバレッジ取引用11銘柄)のMarket Capを視覚化する

ここでは、Plotly Expressの「treemap()」メソッドで仮想通貨(レバレッジ取引用の11銘柄)の時価総額を視覚化しています。

リスト3:


# 2: Add custom color scale and apply dark theme

# Custom color scale
custom_colorscale = [
    [0.0, 'rgb(165,0,38)'],
    [0.1111111111111111, 'rgb(215,48,39)'],
    [0.2222222222222222, 'rgb(244,109,67)'],
    [0.3333333333333333, 'rgb(253,174,97)'],
    [0.4444444444444444, 'rgb(254,224,144)'],
    [0.5555555555555556, 'rgb(224,243,248)'],
    [0.6666666666666666, 'rgb(171,217,233)'],
    [0.7777777777777778, 'rgb(116,173,209)'],
    [0.8888888888888888, 'rgb(69,117,180)'],
    [1.0, 'rgb(49,54,149)']
]

fig = px.treemap(df, 
            path=['name','symbol'],
            values='market_cap',            
            hover_name='name',
            color='market_cap',
            height=700,
            labels=dict(market_cap='Market Cap', id='Crypto', symbol='Symbol'),            
            title=f"GMO Coin Leverage: Crypto Market Cap ({currency.upper()} Billion)",
            color_continuous_scale=custom_colorscale)   # Apply the custom color scale 

# Update the text color and font name of labels
fig.update_traces(textfont=dict(color='white', family='Arial', size=18))  # Change 'white' and 'Arial' to your preferences

# Updating layout to dark theme
fig.update_layout(
    template='plotly_dark',
    title_font_size=24,
    title_font_color='white',   
    paper_bgcolor='black',
    plot_bgcolor='black'
)

fig.show()

図3-1には、仮想通貨の時価総額がツリーマップに表示されています。仮想通貨のBTC, ETH, SOL, XRP等は見えますが、その他の仮想通貨は小さすぎて見えません。このような場合、仮想通貨を「Major」と「Minor」コインに分類して可視化します。

PandasのDataFrameに新規列「category」を追加して仮想通貨を「Major」と「Minor」に分類する
ここでは、PandasのDataFrameに格納されているGMOコインの11銘柄を「Major」と「Minor」コインに分類しています。 DataFrameには新規列「category」を追加して「Major」と「Minor」を設定します。ここでは、「BTC, ETH, SOL」を「Major」コインに分類しています。そして、その他のコインは、「Minor」コインに分類しています。 DataFrameの列「category」を更新するには「loc()」メソッドを使用します。

リスト4:
```
# 3: Add a category column and set `Major` or 'Minor'

# Major Coin : GMO Coin Leverage 
majorcoin_symbols = ['BTC','ETH','SOL']
# Minor Coin : GMO Coin Leverage
minorcoin_symbols = ['BCH','LTC','XRP','DOT','ATOM','ADA','LINK','DOGE']

filter_majorcoin = df['symbol'].isin(majorcoin_symbols)
filter_minorcoin = df['symbol'].isin(minorcoin_symbols)

# Add 'category' column and set values
df.loc[filter_majorcoin, 'category'] = 'Major'
df.loc[filter_minorcoin, 'category'] = 'Minor'
```
図4-1

図4-1では、DataFrameの内容を表示しています。列「category」に「Major」と「Minor」が設定されているのが確認できます。

Plotly Expressのツリーマップを「Major」と「Minor」に分離して視覚化する

ここでは、Plotly Expressの「treemap()」メソッドの引数「path」に「category」を追加しています。この場合、ツリーマップには「Major」と「Minor」コインが分類されて表示されます。

リスト5:


# 4: Add `category` to px path attribute

# Custom color scale
custom_colorscale = [
    [0.0, 'rgb(165,0,38)'],
    [0.1111111111111111, 'rgb(215,48,39)'],
    [0.2222222222222222, 'rgb(244,109,67)'],
    [0.3333333333333333, 'rgb(253,174,97)'],
    [0.4444444444444444, 'rgb(254,224,144)'],
    [0.5555555555555556, 'rgb(224,243,248)'],
    [0.6666666666666666, 'rgb(171,217,233)'],
    [0.7777777777777778, 'rgb(116,173,209)'],
    [0.8888888888888888, 'rgb(69,117,180)'],
    [1.0, 'rgb(49,54,149)']
]

fig = px.treemap(df, 
            path=['category','name','symbol'],
            values='market_cap',            
            hover_name='name',
            color='market_cap',
            height=700,
            labels=dict(market_cap='Market Cap', id='Crypto', symbol='Symbol'),            
            title=f"GMO Coin: Crypto Major vs Minor Market Cap ({currency.upper()} Billion)",
            color_continuous_scale=custom_colorscale)   # Apply the custom color scale 

# Update the text color and font name of labels
fig.update_traces(textfont=dict(color='white', family='Arial', size=18))  # Change 'white' and 'Arial' to your preferences

# Updating layout to dark theme
fig.update_layout(
    template='plotly_dark',
    title_font_size=24,
    title_font_color='white',   
    paper_bgcolor='black',
    plot_bgcolor='black'
)

fig.show()

図5-1には、ツリーマップが「Major」と「Minor」コインに分類されて表示されています。

図5-2には、「Major」コイン(BTC, ETH, SOL)が拡大されて表示されています。

図5-3には、「Minor」コイン(XRP, DOGE, ADA, LINK, DOT, BCH, LTC, ATOM)が拡大されて表示されています。

図5-4では「Minor」にマウスをホバリングさせてラベル情報を表示させています。ラベルには「Minor」コインの時価総額の合計が表示されます。マウスをコインのシンボルにホバリングさせるとそのコインのラベル情報(時価総額等)が表示されます。

この記事で紹介している全てのソースコードを掲載

ここでは、本記事で解説している全てのコードを掲載しています。コード内にコメント「#%%」が挿入されていますが、これはセル単位でコードを実行するときに必要になります。コードをセル単位で実行するには、セル（「#%%」で囲まれた部分」)を選択して[Ctrl + Enter]で実行します。すると、VS Codeの右側の「インタラクティブ・ウィンドウ」に実行結果が表示されます。

「インタラクティブ・ウィンドウ」からは、Pythonのコードを入力して[Shift + Enter」で実行させることもできます。

リスト6:


# Article157:

#%%

import requests
import json
import urllib.request
import numpy as np
import math
import pandas as pd
import plotly.io as pio
import plotly.express as px
import plotly.graph_objects as go

comment_out = True

#########################################################################
def get_top_n_crypto_market_cap(top: 20, currency='usd') -> pd.DataFrame:
    
    # CoinGecko API endpoint for top 100 coins by market cap
    url = 'https://api.coingecko.com/api/v3/coins/markets'
    
    # Parameters for the API request
    params = {
        'vs_currency': currency,
        'order': 'market_cap_desc',
        'per_page': top,    
        'page': 1,
        'sparkline': 'false'
    }
    
    # Sending a request to the API
    response = requests.get(url, params=params)
    
    # Converting the response to JSON
    data = response.json()

    # Creating a list of dictionaries with the relevant data
    
    crypto_data = []
    
    for item in data:
        crypto_data.append({
            'id': item['id'],
            'symbol': item['symbol'],
            'name': item['name'],
            'market_cap': item['market_cap'],
            'current_price': item['current_price'],
            'total_volume': item['total_volume']            
        })
    
    # Creating a pandas dataframe from the list of dictionaries
    df = pd.DataFrame(crypto_data)
    
    return df


#######################
### Main
#######################

# [0] Get top 100 crypto market cap data

top = 100
currency = 'usd'
df = get_top_n_crypto_market_cap(top, currency)

# Convert symbol values to uppercase
df['symbol'] = df['symbol'].str.upper()

# Convert market cap values to billions for better readability
df['market_cap'] = df['market_cap'] / 1e9


# %%

# 1: Filter dataframe by symbol using isin() method

# List of symbols to filter
filter_symbols = ['BTC','ETH','BCH','LTC','XRP','DOT','ATOM','ADA','LINK','DOGE','SOL']
filter_mask = df['symbol'].isin(filter_symbols)

# Filtering the dataframe
df = pd.DataFrame(df[filter_mask])
# print(df)
# print(df['symbol'].values)


# %%

# 2: Add custom color scale and apply dark theme

# Custom color scale
custom_colorscale = [
    [0.0, 'rgb(165,0,38)'],
    [0.1111111111111111, 'rgb(215,48,39)'],
    [0.2222222222222222, 'rgb(244,109,67)'],
    [0.3333333333333333, 'rgb(253,174,97)'],
    [0.4444444444444444, 'rgb(254,224,144)'],
    [0.5555555555555556, 'rgb(224,243,248)'],
    [0.6666666666666666, 'rgb(171,217,233)'],
    [0.7777777777777778, 'rgb(116,173,209)'],
    [0.8888888888888888, 'rgb(69,117,180)'],
    [1.0, 'rgb(49,54,149)']
]

fig = px.treemap(df, 
            path=['name','symbol'],
            values='market_cap',            
            hover_name='name',
            color='market_cap',
            height=700,
            labels=dict(market_cap='Market Cap', id='Crypto', symbol='Symbol'),            
            title=f"GMO Coin Leverage: Crypto Market Cap ({currency.upper()} Billion)",
            color_continuous_scale=custom_colorscale)   # Apply the custom color scale 

# Update the text color and font name of labels
fig.update_traces(textfont=dict(color='white', family='Arial', size=18))  # Change 'white' and 'Arial' to your preferences

# Updating layout to dark theme
fig.update_layout(
    template='plotly_dark',
    title_font_size=24,
    title_font_color='white',   
    paper_bgcolor='black',
    plot_bgcolor='black'
)

fig.show()


# %%


# 3: Add a category column and set `Major` or 'Minor'

# Major Coin : GMO Coin Leverage 
majorcoin_symbols = ['BTC','ETH','SOL']
# Minor Coin : GMO Coin Leverage
minorcoin_symbols = ['BCH','LTC','XRP','DOT','ATOM','ADA','LINK','DOGE']

filter_majorcoin = df['symbol'].isin(majorcoin_symbols)
filter_minorcoin = df['symbol'].isin(minorcoin_symbols)

# Add 'category' column and set values
df.loc[filter_majorcoin, 'category'] = 'Major'
df.loc[filter_minorcoin, 'category'] = 'Minor'
# print(df)


# %%

# 4: Add `category` to px path attribute

# Custom color scale
custom_colorscale = [
    [0.0, 'rgb(165,0,38)'],
    [0.1111111111111111, 'rgb(215,48,39)'],
    [0.2222222222222222, 'rgb(244,109,67)'],
    [0.3333333333333333, 'rgb(253,174,97)'],
    [0.4444444444444444, 'rgb(254,224,144)'],
    [0.5555555555555556, 'rgb(224,243,248)'],
    [0.6666666666666666, 'rgb(171,217,233)'],
    [0.7777777777777778, 'rgb(116,173,209)'],
    [0.8888888888888888, 'rgb(69,117,180)'],
    [1.0, 'rgb(49,54,149)']
]

fig = px.treemap(df, 
            path=['category','name','symbol'],
            values='market_cap',            
            hover_name='name',
            color='market_cap',
            height=700,
            labels=dict(market_cap='Market Cap', id='Crypto', symbol='Symbol'),            
            title=f"GMO Coin: Crypto Major vs Minor Market Cap ({currency.upper()} Billion)",
            color_continuous_scale=custom_colorscale)   # Apply the custom color scale 

# Update the text color and font name of labels
fig.update_traces(textfont=dict(color='white', family='Arial', size=18))  # Change 'white' and 'Arial' to your preferences

# Updating layout to dark theme
fig.update_layout(
    template='plotly_dark',
    title_font_size=24,
    title_font_color='white',   
    paper_bgcolor='black',
    plot_bgcolor='black'
)

fig.show()

# %%

Go Top

Python {Article157}

仮想通貨BOTの基本：GMOコインのレバレッジ取引用11銘柄の時価総額(Market Cap)をPlotly Expressで視覚化しよう

仮想通貨BOTの基本：GMOコインのレバレッジ取引用11銘柄の時価総額(Market Cap)をPlotly Expressで視覚化しよう

ユーザー定義関数「get_top_n_crypto_market_cap()」を呼び出して仮想通貨のMarket Capデータ上位100を取得する

Pandas DataFrameの「isin()」メソッドを使用してGMOコインのレバレッジ取引用11銘柄を絞り込む

Plotly Expressの「treemap()」メソッドで仮想通貨(GMOコインのレバレッジ取引用11銘柄)のMarket Capを視覚化する

PandasのDataFrameに新規列「category」を追加して仮想通貨を「Major」と「Minor」に分類する

Plotly Expressのツリーマップを「Major」と「Minor」に分離して視覚化する

この記事で紹介している全てのソースコードを掲載