Borsa Verisiyle Çalışırken Sürekli Dönüp Dolaşıp Kullandığım 6 Python Kütüphanesi
Borsa verisiyle uğraşmaya başladığım ilk günlerde her şeyi sıfırdan yazmaya çalışıyordum. Kendi indikatörlerimi, kendi veri çekme sistemlerimi kuruyordum ama zamanla fark ettim ki bazı araçlar aslında benim yapmaya çalıştığım her işi benden daha iyi ve hızlı yapıyor. Fiyat verisiyle uğraşırken her projede aynı kütüphanelere dönüyorum. Hepsini gerçek işlerde kullandım, sırasıyla ne işe…
Borsa verileriyla çalışırken, her projede ben aynı 6 Python kütüphanesine dönüyorum. Bu kütüphaneler, veri işleme, hesaplama ve grafik oluşturma için benim tasarımı ve tercihlerimi yansıtıyor. 1. Pandas Pandas benim için borsa verisiyle çalışmanın mutfağı gibi. Zaman serisi tablolarını tutarak ve yeniden örnekleme yaparak, dakikalık veriyi saatlik veya saatlik verilerine dönüştürmek için tek satırlık kod sunar.
Pandas kullanarak veri temizleme ve örnekleme işlemleri gerçekleştirebilir ve bu sayede oluşturduğum başka kütüphanelere kadar boyun eşliyorum. 2. Numpy Numpy sayısal hesapların temeli. Dizilerde vektörleştirilmiş işlemler sağlar ve borsa verisi analizinde, getirileri ve korelasyonları hesaplamak için çok hızlıdır. Numpy kullanarak bilgisayarınızın yavaşça çalıştığı döngüsüz işlemleri yani saniyeler içinde sayılar işleyebilirim.
Ancak nan değerler hakkında da dikkat etmeliyim, çünkü bunlar hesaplamalarda kesinlikle sorun oluşturabilir. 3. ccxt Borsa API'lerinin çeşitliliği, herhangi bir borsa ile çalışmak için zorluk oluşturabilir. CCXT, bu API'lerin bir araya getirilmesini sağlar ve belli bir kod bloğunu kullanarak birçok borsa üzerinden veri çekmenize olanak tanır.
Bu kütüphaneyle bir borsadan diğerine geçmek de ve veri formatını kontrol etmek de hızlı hale gelir. 4. Requests Bazı veri kaynakları, resmi kütüphane olmadan veri çekmek için destek verir. Requests, HTTP isteklerini atarak veriyi ham haliyle alarak, sadece veri çekme işlemlerinde kullanılır. Ancak her zaman kullanması gereken kütüphane değildir, çünkü zaman aşımı ve başka tür hatalarla ilgilenmemem lazım.
5. Matplotlib Grafikler, stratejinin başarılı olup olmadığını görmek için önemli. Matplotlib ile grafikler çizersek, fiyat hareketlerini ve potansiyel sorunları daha iyi anlarım. Ancak büyük veri setlerle çalıştığım zaman, performansı korumak için veri örneğini almalıyım. 6. SQLite3 Verileri sürekli bellekte tutmak yerine, veritabanında saklamak ve sorgulamak için SQLite3 kullanıyorum.
Bu yolu, geçmiş verileri arşivlemek ve belirli tarih aralıklarına dayalı arama yapmak için önemli buluyorum. Bu kütüphane, Python'in sistemle birlikte gelmesi nedeniyle ekstra kurulum gerektirmez.
Written by urgent.news from Dev.to's reporting — not their text. Machine-written — may contain errors; check the original before relying on it.
