如何获取免费加密货币历史数据和实时行情接口

在整理数字货币数据时,我逐渐发现一个规律: 只要数据能稳定、持续地被程序访问,后面的分析和策略反而会简单很多。

相比在网页上手动下载行情文件,我更习惯用接口把历史和实时数据直接拉到本地,统一处理。

加密货币历史数据下载

做回测时,最常用的是分钟线和小时线数据。 通过 HTTP 接口一次性拉取历史 K 线,可以避免反复拼接不同来源的数据。

复制代码
import requests
import pandas as pd

url = "https://api.alltick.co/v1/crypto/ohlc"
params = {
    "symbol": "BTCUSDT",
    "interval": "1h",
    "limit": 5000
}

resp = requests.get(url, params=params)
data = resp.json()["data"]

df = pd.DataFrame(data)
df["time"] = pd.to_datetime(df["time"], unit="ms")
print(df.head())

这种方式适合批量下载加密货币历史数据,整理成统一格式后,后续处理会轻松很多。

加密货币实时行情数据下载

如果需要实时观察价格变化,WebSocket 推送比轮询接口更合适。 行情到达后可以直接进入计算逻辑,不需要额外的中转步骤。

复制代码
import websocket
import json

def on_message(ws, message):
    msg = json.loads(message)
    print("最新价格:", msg["price"], "时间:", msg["time"])

ws = websocket.WebSocketApp(
    "wss://api.alltick.co/v1/crypto/realtime",
    on_message=on_message
)
ws.run_forever()

在本地跑一段时间后,就可以持续拿到最新行情,用来做监控或数据记录。

加密货币数据集的整理方式

当历史数据和实时行情都能稳定获取后,我通常会把它们统一存成表结构,按币种和周期拆分。 例如同时拉取 BTC、ETH 等多个交易对的数据:

复制代码
symbols = ["BTCUSDT", "ETHUSDT", "LTCUSDT"]

for symbol in symbols:
    r = requests.get(
        "https://api.alltick.co/v1/crypto/ohlc",
        params={"symbol": symbol, "interval": "1d", "limit": 1000}
    )
    df = pd.DataFrame(r.json()["data"])
    df["time"] = pd.to_datetime(df["time"], unit="ms")
    print(symbol, df.tail(2))

这种方式可以逐步构建自己的加密货币数据集,同时覆盖多个主流币种。

同一套接口处理历史与实时

实际使用中,用同一套接口同时拉取历史和实时数据,会减少很多适配成本。 我目前在用的一种方式,是在获取加密货币行情时使用过 AllTick API,它与常见的数据接口一样,都是按交易对返回 K 线和实时价格,可以直接接入现有的数据处理流程。

整个过程不需要额外调整策略逻辑,只是把数据源换成更稳定的接口形式。

相关推荐
土豆12501 小时前
你只说要什么,它负责拆活交付:任务编排插件上手指南
人工智能·llm
GoldenSpider.AI3 小时前
讲透 Claude Code 的 Code Mode:原理、流程、用法与 24 轮实测
人工智能·ai编程·claude code
oak隔壁找我3 小时前
一款运行在 DSH(DeepSeek Harness)中的工作区文件管理插件
人工智能
江屿风3 小时前
AI Agent架构全解析:从规划到记忆的智能跃迁
人工智能·笔记·架构·agent·c/s·mcp工作流
ZONGYUAN-ROOT3 小时前
【API配额】多源 LLM API 配额池化实战:轮换调度、变化量监控、故障自愈一套方案(Python 完整实现)
人工智能
syso_稻草人3 小时前
qwen-image-2.1 高清放大拆解:Qwen21LatentUpscale 潜空间 2x + denoise 0.35 修细节,12 组场景实测
人工智能·stable diffusion·prompt·comfyui·qwen-image2.1
羲云网络4 小时前
GPT Image 2.6 动态表情怎么改:从情绪歧义到动作节奏验收
人工智能·gif·图像编辑
EatFan5 小时前
AI Agent 工程化元年:从单体智能到 Agent 集群的架构演进与落地路径
人工智能·架构·ai agent·autogen·crewai·agent集群·记忆工程
泯泷5 小时前
别再“裸聊”大模型了!你家的 AI 为什么总胡说八道?根子在 RAG
人工智能·算法·架构