Файл используется для постоянного хранения данных. Работа с файлом — очень распространенная задача любого языка программирования. В Python существует множество встроенных функций для создания, открытия, чтения, записи и закрытия файла. Для хранения данных можно создать два типа файлов. Это текстовые файлы и двоичные файлы. Любой файл необходимо открыть перед чтением или записью. Функция open() используется в Python для открытия файла. Использование функции open() — это один из способов проверить, открыт или закрыт конкретный файл. Если функция open() открывает ранее открытый файл, генерируется ошибка IOError. Другой способ проверить, открыт или закрыт файл — это проверить значения свойства closed объекта обработчика файлов. С использованием функции rename() — еще один способ проверить, открыт или закрыт файл. В этой статье показаны различные способы проверки открытия или закрытия любого файла в Python.

Создайте файл для проверки:

Вы можете использовать любой существующий файл или создать новый файл, чтобы протестировать пример кода, показанный в этой статьи. Был создан новый текстовый файл с именем clients.txt со следующим содержимым для использования в следующей части статьи.

ID     Name                           Email

01     Andrey Ex                   Andrey***@gmail.com

02     Max Terminator              Max***@gmail.com

03    Alex Murphy                  Alex***@gmail.com

Пример-1: проверьте, открыт файл или нет, с помощью IOError

IOError генерируется при вызове функции open() для открытия файла, который был открыт ранее. Создайте файл python со следующим сценарием, чтобы проверить, открыт ли файл или нет, с помощью блока try-except. Здесь любое существующее имя файла будет принято в качестве входных и открыто для чтения. Затем снова вызывается функция open(), чтобы открыть тот же файл, который вызовет ошибку IOError и распечатает сообщение об ошибке.

# Введите имя файла для проверки

filename = input("Введите любое существующее имя файла:n")

# Откройте файл в первый раз с помощью функции open()

fileHandler = open(filename, "r")

# Попробуйте открыть файл с таким же именем снова

try:

with open("filename", "r") as file:

# Распечатать сообщение об успешном завершении

print("Файл открыт для чтения.")

# Вызовите ошибку, если файл был открыт раньше

except IOError:

print("Файл уже открыт")

# Импортировать модуль os для проверки существования файла

import os

# Функция Drfine проверяет, закрыт ли файл или нет

def check_closed():

if fileHandler.closed == False:

# Распечатать сообщение об успешном завершении

print("Файл открыт для чтения.")

else:

# Распечатать сообщение об ошибке

print(" Файл закрыт.")



# Взять имя файла для проверки

filename = input(" Введите любое существующее имя файла:  n ")

# Проверить, существует

if os.path.exists(filename):

# Открыть файл для чтения

fileHandler = open(filename, "r")

# Вызвать функцию

check_closed()

else:

# Вывести сообщение, если файл не существует

print("Файл не существует.")

# Импортировать модуль os для проверки существования файла

import os

# Установить существующее имя файла

filename = 'clients.txt'

# Установить новое имя файла

newname = 'customers.txt'

# Проверить, существует ли файл или нет,

if os.path.exists(filename):

try:

# Вызов функции переименования в первый раз

os.rename(filename, newname)

# Вызов функции переименования во второй раз

os.rename(filename, newname)

# Вызов исключения при ошибки, если если файл открыт

except OSError:

print («Файл все еще открыт».)



else:

# Вывести сообщение, если файл не существует

print("Файл не существует.")

Как вы, возможно, уже знаете, Python — замечательный инструмент программирования, потому что он позволяет нам делать практически все! Это также означает, что мы можем создавать собственное программное обеспечение. В этой статье мы научимся синтезировать речь, научим Python читать PDF-файлы, даже переведем их для нас, а затем прочитаем их нам.

Здесь мы собираемся заставить Python прочитать нам PDF-файл и перевести его для нас. Сначала мы попробуем создать аудиокнигу на английском языке. Таким образом, первое, что мы должны сделать по логике, — это извлечь текст из PDF. Для этого мы используем модуль tika. Как обычно, чтобы установить Тику, приходится колдовать.

pip install tika

Tika — это модуль, используемый для обнаружения и извлечения контента. После установки нам нужно импортировать объект парсера.

from tika import parser

Далее нам понадобится метод from_file(), который принимает максимум два аргумента. Первый аргумент — это имя файла pdf, а второй аргумент называется дополнительным, который запрашивает требуемый тип данных. Если оставить дополнительное поле пустым, будет запрашиваться все, от метаданных до контента. Здесь meta возвращает метаданные, text возвращает текст, а param xmlContent возвращает содержимое XML.

raw = parser.from_file('comment.pdf')

Когда у нас есть данные, нам нужно извлечь только текст. Мы делаем это, выбирая «контент» из необработанного.

raw_text = raw['content']

Проблема с Tika в том, что она может вылетать из-за слишком большого количества страниц. Итак, воспользуемся и другим методом. Если PDF-файл короткий и приятный, обязательно используйте Tika. Однако вы также можете использовать модуль PyPDF2.

pip install PyPDF2

Итак, начнем:

import PyPDF2

Сначала мы открываем интересующий документ и читаем из него с помощью метода open() и класса PdfFileReader(). Метод open() принимает здесь два аргумента: первый — это имя файла для чтения, а второй — режим чтения. Здесь «rb» означает чтение двоичного файла. Затем класс PdfFileReader берет на себя pdf_document.

pdf_document = open("welcome.pdf", "rb")

pdf_document_read = PyPDF2.PdfFileReader(pdf_document)

Затем мы собираем общее количество страниц с помощью метода numPages. Мы сделаем это, поскольку мы создадим цикл for, который переходит от страницы 1 к последней странице, читая каждую страницу по мере ее продвижения.

number_of_pages = pdf_document_read.numPages

Затем мы начинаем цикл for для обратного отсчета каждой страницы.

Затем нам нужно получить одну страницу с помощью метода getPage() и извлечь текст изнутри с помощью метода extractText().

one_page = pdf_document_read.getPage(page)

raw_text = one_page.extractText()

import pyttsx3

Сначала мы инициализируем модуль с помощью init().

engine = pyttsx3.init()

Мы можем установить голоса, громкость и скорость с помощью engine.getProperty(). SetProperty() принимает два значения: свойство, которое нужно изменить, и его значение. В данном случае мы установили женские голоса (voices [1] .id) с максимальной громкостью (1) и скоростью 128.

voices = engine.getProperty('voices')

engine.setProperty('voice', voices[1].id)



volume = engine.getProperty('volume')

engine.setProperty('volume', 1.0)



rate = engine.getProperty('rate')

engine.setProperty('rate', 128)

Затем мы используем engine.say(), чтобы синтезировать речь и прочитать текст вслух.

engine.say(raw_text)



engine.runAndWait()

Полный код будет выглядеть примерно так:

import PyPDF2



pdf_document = open("welcome.pdf", "rb")

pdf_document_read = PyPDF2.PdfFileReader(pdf_document)

number_of_pages = pdf_document_read.numPages



for page in range(1, number_of_pages):

    one_page = pdf_document_read.getPage(page)

    raw_text = one_page.extractText()

    import pyttsx3

    engine = pyttsx3.init()

    voices = engine.getProperty('voices')

    engine.setProperty('voice', voices[1].id)

    volume = engine.getProperty('volume')

    engine.setProperty('volume', 1.0)

    rate = engine.getProperty('rate')

    engine.setProperty('rate', 128)

    engine.say(raw_text)



    engine.runAndWait()

В предыдущем примере английский текст произносился на английском языке. Теперь мы попробуем перевести текст на другой язык и прочитать переведенный текст вслух. В случаях при переводе текста первая часть кода аналогична предыдущему разделу. Требуется код вплоть до кода PyPDF2 включительно. Однако после запуска цикла for мы немного изменим код. Здесь нам нужно добавить перевод и заставить его говорить с акцентом на языке назначения.

Сначала установите googletrans.

pip install googletrans

Теперь приступим к переводу текста.

from googletrans import Translator

Затем мы вызываем Translator().

translator = Translator()

Мы используем метод translate(). Здесь мы вводим первый аргумент — текст для перевода — и целевой язык — язык, на который текст должен быть преобразован. В данном случае мы решили перевести текст на французский (или на «fr»).

translated = translator.translate(raw_text, dest='fr')

После того, как мы перевели текст, нам нужно извлечь текстовую часть.

translated_2 = translated.text

Последний переведет и сохранит переведенный текст в переменной translated_2. Теперь нам нужен модуль, который будет переводить и сохранять озвученный текст в mp3. Для этого нам понадобятся gTTS и PlaySound:

pip install gTTS

pip install playsound



import gtts

from playsound import playsound

У класса gtts.gTTS() есть несколько аргументов. Однако здесь мы будем использовать только два аргумента. Первый аргумент — это текст, который нужно прочитать, а второй — язык, на котором будет читаться текст. В данном случае мы решили прочитать текст на французском языке (fr). Причина, по которой мы используем здесь gTTS вместо pyttsx3, заключается в больших акцентах, которые ставятся в прочитанном абзаце. Таким образом, когда текст читается на французском языке с помощью gTTS, это будет звучать так, как будто текст читает француз, а не носитель английского языка.

text = gtts.gTTS(translated_2, lang="fr")

Далее сохраняем озвученный текст в mp3. В данном случае я назвал его text.mp3:

text.save("text.mp3")

Чтобы воспроизвести сохраненный mp3, мы используем playsound():

playsound("text.mp3")

Полный код будет выглядеть примерно так:

import PyPDF2



pdf_document = open("welcome.pdf", "rb")

pdf_document_read = PyPDF2.PdfFileReader(pdf_document)

number_of_pages = pdf_document_read.numPages



for page in range(1, number_of_pages):

    one_page = pdf_document_read.getPage(page)

    raw_text = one_page.extractText()



    from googletrans import Translator

   

    translator = Translator()

    translated = translator.translate(raw_text, dest='fr')

    translated_2 = translated.text



    import gtts

    from playsound import playsound



    tts = gtts.gTTS(translated_2, lang="fr")

    tts.save("text.mp3")

    playsound("text.mp3")

Начало работы с Python для финансов:

Мы извлечем различные цены на криптовалюту из Yahoo Finance. Давайте начнем с импорта библиотек.

import warnings

warnings.filterwarnings('ignore')  # Скрыть предупреждения

import datetime as dt

import pandas as pd

pd.core.common.is_list_like = pd.api.types.is_list_like

import pandas_datareader.data as web

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns



import matplotlib.dates as mdates

import plotly.express as px

start = dt.datetime(2021, 1, 1)

end = dt.datetime(2021,5,29)

Мы устанавливаем начальную и конечную даты данных.

btc = web.DataReader("BTC-USD", 'yahoo', start, end)  # Collects data

btc.reset_index(inplace=True)

Биткойн

«BTC-USD» указывает цены на биткойны в долларах США. Итак, мы извлекаем цены на биткойны.

#bitcoin



crypto= btc[['Date','Adj Close']]

crypto= crypto.rename(columns = {'Adj Close':'BTC'})

# 7-дневная скользящая средняя



crypto[ 'BTC_7DAY_MA' ] = crypto.BTC.rolling( 7).mean()

Скользящее среднее или скользящее среднее — это способ анализа точек данных путем создания серии средних значений данных, уже имеющихся в данных. Здесь мы рассчитываем средние цены на основе данных о цене биткойнов за предыдущие 7 дней. Скользящие средние часто используются в техническом анализе.

Ethereum

Далее мы пробуем Ethereum. Ethereum — вторая по величине криптовалюта по рыночной капитализации после биткойна. Ethereum был запущен 30 июля 2015 года с 72 миллионами монет.

#Ethereum



eth = web.DataReader("ETH-USD", 'yahoo', start, end)  # Collects data

eth.reset_index(inplace=True)

crypto["ETH"]= eth["Adj Close"]



# 7-дневная скользящая средняя

crypto[ 'ETH_7DAY_MA' ] = crypto.ETH.rolling( 7).mean()

Dogecoin

Далее идет Dogecoin. Мы уже обсуждали Dogecoin. Он был представлен 6 декабря 2013 года.

#doge coin



doge = web.DataReader("DOGE-USD", 'yahoo', start, end)  # Collects data

doge.reset_index(inplace=True)

crypto["DOGE"]= doge["Adj Close"]



# 7-дневная скользящая средняя

crypto[ 'DOGE_7DAY_MA' ] = crypto.DOGE.rolling( 7).mean()

BinanceCoin

Далее мы переходим к Binance Coin. Binance был запущен в июле 2017 года и основан на сети Ethereum. Но у Binance есть собственный блокчейн, цепочка Binance.

#BinanceCoin 



bnb = web.DataReader("BNB-USD", 'yahoo', start, end)  # Collects data

bnb.reset_index(inplace=True)

crypto["BNB"]= bnb["Adj Close"]



# 7-дневная скользящая средняя

crypto[ 'BNB_7DAY_MA' ] = crypto.BNB.rolling( 7).mean()

Cardano

Далее берем Cardano. Cardano — это общедоступная блокчейн-платформа, и одноранговые транзакции поддерживаются ее криптовалютой ADA. Он был запущен в сентябре 2017 года.

#Cardano



ada = web.DataReader("ADA-USD", 'yahoo', start, end)  # Collects data

ada.reset_index(inplace=True)

crypto["ADA"]= ada["Adj Close"]





# 7-дневная скользящая средняя

crypto[ 'ADA_7DAY_MA' ] = crypto.ADA.rolling( 7).mean()

Ripple — это платежная система и платформа для обмена валют, которую можно использовать для обработки транзакций по всему миру. XRP вычитается как небольшая комиссия всякий раз, когда пользователи совершают транзакцию с помощью Ripple.

#XRP



xrp = web.DataReader("XRP-USD", 'yahoo', start, end)  # Collects data

xrp.reset_index(inplace=True)

crypto["XRP"]= xrp["Adj Close"]



# 7-дневная скользящая средняя

crypto[ 'XRP_7DAY_MA' ] = crypto.XRP.rolling( 7).mean()

Dash

Dash — это криптовалюта с открытым исходным кодом. Он был разветвлен из протокола Биткойн. Он был запущен в январе 2014 года.

#Dash



dash = web.DataReader("DASH-USD", 'yahoo', start, end)  # Collects data

dash.reset_index(inplace=True)

crypto["DASH"]= dash["Adj Close"]



 # 7-дневное скользящее среднее

crypto[ ‘DASH_7DAY_MA’ ] = crypto.DASH.rolling( 7).mean()

Теперь, имея под рукой данные, форматируем даты.

#получение дат



crypto.set_index("Date", inplace=True)

Теперь давайте посмотрим на данные.

crypto[['BTC','ETH','DOGE','BNB','ADA','XRP','DASH']].head()

Как мы видим, все данные были извлечены правильно.

Теперь давайте проверим корреляцию между данными.

crypto[['BTC','ETH','DOGE','BNB','ADA','XRP','DASH']].corr()

Теперь у нас есть несколько интересных открытий. Все точки данных имеют высокую корреляцию друг с другом. Давайте просто сравним биткойн с другими, даже самая низкая корреляция с DOGE составляет 0,237, что является довольно хорошим значением. Dash, разветвленный из BTC, имеет самую высокую корреляцию с BTC на уровне 0,77.

Глядя на другие точки данных, BNB и XRP имеют высокую корреляцию 0,93, что является чрезвычайно высоким показателем. Как будто они одного и того же значения.

Теперь давайте разберемся, почему? Что ж, это просто. Рынок криптографии следует тенденциям. Когда биткойн и Dogecoin росли, другие монеты также росли в цене. В основном это было связано с общественным мнением относительно криптовалюты. Кто не хочет круто выглядеть перед друзьями, говоря, что они принесли криптовалюту?

Точно так же, когда упали значения BTC и DOGE, упали и другие. Это было похоже на цепную реакцию.

Давайте посмотрим на тепловую карту корреляции.

#Тепловая карта



plt.figure(figsize = (10,10))

sns.heatmap(crypto[['BTC','ETH','DOGE','BNB','ADA','XRP','DASH']].corr(),annot=True, cmap='Blues')

Тепловая карта четко показывает высокую корреляцию между ценами на все криптовалюты.
 
Построим данные с помощью Plotly Express.
fig = px.line(crypto, y=["BTC",'ETH','DOGE','BNB','ADA','XRP','DASH'] )

fig.show()




Что ж, ясен только обвал BTC в середине мая 2021 года. Но давайте посмотрим на значения 7-дневной скользящей средней BTC.

fig = px.line(crypto, y=['BTC_7DAY_MA'] )

fig.show()




В Plotly интересно то, что мы можем взаимодействовать с Plot и получать точные значения, как в Power BI.

Здесь хорошо видно, что цена BTC внезапно выросла в феврале 2021 года после всех этих твитов и шума в социальных сетях. И вдруг в мае 2021 года все рухнуло.

 

Давайте попробуем Ethereum.

fig = px.line(crypto, y=['ETH'] )

fig.show()




И очевидно, что ETH также следует аналогичной схеме. В конце апреля 2021 года все увидели резкий рост цен на BTC и DOGE и купили ETH. Это привело к внезапному росту цены ETH.

 

Значения скользящего среднего:

fig = px.line(crypto, y=['ETH_7DAY_MA'] )

fig.show()




Гора падала так же быстро, как и поднималась. Люди, купившие по высокой цене, понесли огромные убытки.

 

DOGE:

fig = px.line(crypto, y=['DOGE'] )

fig.show()




Взлеты и падения DOGE также интересны. В январе 2021 года DOGE была ничем, а в начале мая 2021 года она сильно выросла. И его падение тоже было внезапным.

 

Значения скользящего среднего:

fig = px.line(crypto, y=['DOGE_7DAY_MA'] )

fig.show()




Код для построения всех остальных данных почти такой же.

 

Вывод

Теперь мы в значительной степени понимаем, что вызвало сбой. Кажется, что весь рынок криптовалют связаны друг с другом. Люди видят, как кто-то покупает BTC, они идут покупать ETH. Кто-то продает DOGE, они также продают свои BTC. Все взаимосвязано.

Рынок криптовалют очень волатилен, различные факторы приводят к бешеной распродаже. Одна из крупнейших криптовалютных бирж в мире, Coinbase, столкнулась с перебоями в обслуживании во время этой распродажи. Многие инвесторы в криптовалюту инвестировали, потому что они думали, что Тесла и Илон Маск были в биткойнах, и думали об этом как о следующем шаге в области финансов и валюты.

Многие критики говорят, что отсутствие регулирования и манипуляции ценами делают криптовалюту рискованной для новых инвесторов, и многие люди этой осенью потеряли свои деньги.

 

Начало:


Анализ криптовалюты. Основы Python для финансов








2021-07-23T09:40:30
Python