Geekly articles weekly

python上带有ICO的煎饼或如何衡量人和ICO项目

朋友们，下午好。


有一个清晰的认识，即大多数ICO项目本质上是无形资产。 ICO项目不是梅赛德斯-奔驰汽车-不管谁爱与否，它都会开车。 ICO的主要影响力在于人们的心情-对ICO创始人/创始人的态度以及项目本身。


最好以某种方式衡量人们对ICO和/或ICO项目创始人的态度。 完成了 该报告如下。


结果是从互联网（尤其是从Twitter）收集正面/负面情绪的工具。


我的环境是Windows 10 x64，在Anaconda 5.1.0（有线网络连接）的Spyder编辑器中使用了Python 3语言。


资料收集


我会从Twitter帖子中得到一些心情。 首先，我将了解ICO的创始人现在正在做什么，以及他们如何以一对著名人物为例对此做出积极回应。


我将使用python tweepy库。 要使用Twitter，您需要在其中注册为开发人员，请参阅twitter / 。 获取Twitter访问条件。


代码如下：


import tweepy API_KEY = "vvvvEXQWhuF1fhAqAtoXRrrrr" API_SECRET = "vvvv30kspvqiezyPc26JafhRjRiZH3K12SGNgT0Ndsqu17rrrr" ACCESS_TOKEN = "vvvv712098-WBn6rZR4lXsnZCwcuU0aOsRkENSGpw2lppArrrr" ACCESS_TOKEN_SECRET = "vvvvlG7APRc5yGiWY5xFKfIGpqkHnXAvuwwVzMwyyrrrr" auth = tweepy.OAuthHandler(API_KEY, API_SECRET) auth.set_access_token(ACCESS_TOKEN, ACCESS_TOKEN_SECRET) api = tweepy.API(auth)

现在，我们可以转向Twitter API并从中获取一些东西，反之亦然。 这件事是在八月初完成的。 您需要获得一些推特才能找到创始人的当前项目。 像这样搜索：


 import pandas as pd searchstring = searchinfo+' -filter:retweets' results = pd.DataFrame() coursor = tweepy.Cursor(api.search, q=searchstring, since="2018-07-07", lang="en", count = 500) for tweet in coursor.items(): my_series = pd.Series([str(tweet.id), tweet.created_at, tweet.text, tweet.retweeted], index=['id', 'title', 'text', 'retweeted']) result = pd.DataFrame(my_series).transpose() results = results.append(result, ignore_index = True) results.to_excel('results.xlsx')

在searchinfo中，我们替换必要的名称并转发。 结果保存到results.xlsx excel。


有创意


然后我决定做一个创意。 我们需要找到创始人的项目。 项目名称是专有名称，并且大写。 假设在每个推文中都写上大写字母，这似乎是正确的：1）创始人的姓名，2）他的项目的名称，3）推文的第一个单词，以及4）无关的单词。 单词1和2经常在推文上找到，而单词3和4很少见，在频率上我们分别是3和4并淘汰。 是的，事实证明，这些链接通常会在推文中出现，5）我们也将其删除。


原来是这样的：


 import re import nltk nltk.download('stopwords') from nltk.corpus import stopwords from nltk.stem.porter import PorterStemmer corpus = [] for i in range(0, len(results.index)): review1 = [] mystr = results['text'][i] # 1)    2)    mystr = re.sub(searchinfo, ' ', mystr) searchinfo1 = searchinfo.replace(" ","_") mystr = re.sub(searchinfo1, ' ', mystr) # 3) splitted_text = mystr.split() mystr="" for word in splitted_text: # 7  if len(word)>6: if word.find('https:/')==-1 and word.find('http://')==-1: mystr = mystr+' '+word else: mystr = mystr+' '+word review = re.sub('[^a-zA-Z]', ' ', mystr) review = review.split() for word in review: if word[0].isupper(): review1.append(word.lower()) ps = PorterStemmer() review1 = [ps.stem(word) for word in review1 if not word in set(stopwords.words('english'))] review1 = ' '.join(review1) corpus.append(review1) from sklearn.feature_extraction.text import CountVectorizer cv = CountVectorizer() X = cv.fit_transform(corpus).toarray() names = cv.get_feature_names()

创意数据分析


在名称变量中，我们有单词，在变量X中，我们提到了他们的位置。 表X“关闭”-获取引用数。 我们删除很少提及的单词。 保存到Excel。 在Excel中，我们制作了漂亮的条形图，其中包含有关在每个查询中多久提及一次单词的信息。


我们的超级ICO明星是Le Minh Tam和Mike Novogratz。 图表：


图片


可以看出，Le Minh Tam与“ ceo，crypto，mine，sky”有关。 还有一点“消失，资金，百万”。


图片


可以看出Mike Novogratz与“银行，比特币，加密货币，数字，星系”有关。


来自X的数据可以注入到神经网络中，并且可以学习确定任何内容，但是您可以：


资料分析


然后我们停下来 鬼混 有创造力，并开始使用python TextBlob库。 图书馆是多么出色的奇迹。


聪明的人说她可以：


  1. 重点词组
  2. 做零件标记
  3. 分析情绪（这对下面的我们很有用），
  4. 做分类（朴素贝叶斯，决策树），
  5. 使用Google翻译翻译和定义语言，
  6. 进行标记化（将文本分成单词和句子），
  7. 确定单词和短语的频率，
  8. 做解析
  9. 检测n元语法
  10. 做\揭示词的变化\偏斜\词的共轭（复数和单数）和词素化，
  11. 正确的拼写。

该库允许您通过扩展添加新的模型或语言，并具有WordNet集成。 简而言之，NLP是个神童 。


我们将搜索结果保存到上面的results.xlsx文件中。 下载它并通过TextBlob库进行评估，以进行情绪评估：


 from textblob import TextBlob results = pd.read_excel('results.xlsx') polarity = 0 for i in range(0, len(results.index)): polarity += TextBlob(results['text'][i]).sentiment.polarity print(polarity/i)

太好了！ 几行代码和一声巨响。


结果概述


事实证明，在2018年8月开始，在查询“ Le Minh Tam”上找到的推文显示出某些负面影响，其平均评分为所有推文减0.13 。 如果我们自己看这些推文，那么我们将看到例如“加密货币矿业首席执行官说将以3500万美元的资金消失。


迈克·诺沃格拉茨（Mike Novogratz）的朋友所做的事情在推文中得到了积极的反映，所有推文的平均评分加0.03 。 您可以对其进行解释，以便所有内容都能平稳地前进。


攻击计划


出于ICO评估的目的，有必要从多个来源监视有关ICO创始人和ICO本身的信息。 例如：



计划监视一个ICO：


  1. 创建ICO创始人名称和ICO本身的列表，
  2. 我们创建了用于监控的资源列表，
  3. 我们制作了一个机器人，该机器人从1的每一行收集数据-从2的每个资源收集数据，例如，
  4. 我们制作了一个机器人，每3个机器人就会进行一次评估，上面的示例
  5. 保存结果4（和3），
  6. 每小时自动重复3-5步，评估结果可以发布/发送/保存在某处，
  7. 我们会自动监视第6段中评估的变化情况。如果第6段中评估中有变化情况，这是一个以专家方式对正在发生的情况进行进一步研究的机会。 引起恐慌，反之亦然。

好吧，像那样。


PS好吧，或者在这里购买此信​​息，例如thomsonreuters

Source: https://habr.com/ru/post/zh-CN424465/

More articles:


All Articles