用 Python 深度解析币安订单簿：从零到可视化

·

关键词：币安 API、订单簿、Python 量化、深度图、ETHBUSD、实时数据、可视化、交易深度、买卖盘、数据清洗

订单簿（order book）是加密市场最直观也最重要的微观结构之一。本文将手把手教你用 Python 直接调用 币安 API，抓取 ETHBUSD 的实时订单簿，并通过 pandas 与 seaborn 完成数据清洗与可视化，最终绘制出交易所常见的“深度图”。无需任何第三方封装库，全程透明可控，适合想深入理解底层细节的开发者与量化爱好者。

1. 准备工作：环境、依赖与权限

1.1 安装依赖

pip install requests pandas matplotlib seaborn

1.2 导入库

import requests
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
无需 API Key：订单簿属于公开行情接口，直接 GET 即可。

2. 抓取订单簿原始数据

2.1 构造请求

url = "https://api.binance.com/api/v3/depth"
params = {"symbol": "ETHBUSD", "limit": 100}  # limit 最大 1000，本文取 100
resp = requests.get(url, params=params)
data_json = resp.json()

2.2 解析 bids 与 asks

frames = {
    side: pd.DataFrame(
        data=data_json[side],
        columns=["price", "quantity"]
    ).astype(float)
    for side in ["bids", "asks"]
}

2.3 合并为统一 DataFrame

frames_list = [
    frames[side].assign(side=side)
    for side in frames
]
order_df = pd.concat(frames_list, ignore_index=True)

3. 快速统计：买卖盘价格分布

price_summary = order_df.groupby("side")["price"].describe()
print(price_summary)

输出示例（数值随行情变化）：

side
asks  count    100.000000
      mean    1057.860000
      std        0.696146
      min     1056.640000
      25%     1057.200000
      50%     1057.910000
      75%     1058.490000
      max     1059.040000
bids  count    100.000000
      mean    1055.060000
      std        0.832385
      min     1053.700000
      25%     1054.400000
      50%     1054.850000
      75%     1055.820000
      max     1056.580000

4. 盘口快照：Top of the Book

best_bid = frames["bids"]["price"].max()
best_ask = frames["asks"]["price"].min()
spread = best_ask - best_bid
print(f"买一: {best_bid} | 卖一: {best_ask} | 价差: {spread:.2f}")

也可直接调用 /ticker/bookTicker 获取：

top_url = "https://api.binance.com/api/v3/ticker/bookTicker"
top = requests.get(top_url, params={"symbol": "ETHBUSD"}).json()
top_series = pd.Series(top, dtype=float)
print(top_series[["bidPrice", "askPrice"]])

5. 可视化：从散点图到深度图

5.1 散点图：展示原始订单

fig, ax = plt.subplots(figsize=(8, 4))
sns.scatterplot(
    x="price", y="quantity", hue="side",
    data=order_df, ax=ax, s=30
)
ax.set_title("ETHBUSD 订单簿散点图")
ax.set_xlabel("价格")
ax.set_ylabel("挂单量")
plt.show()

👉 想亲手跑通完整代码？点我直达实战演练！

5.2 直方图：价格区间挂单数量

fig, ax = plt.subplots(figsize=(8, 4))
sns.histplot(
    x="price", hue="side", binwidth=0.5,
    data=order_df, ax=ax
)
ax.set_title("价格区间挂单数量")
plt.show()
注意：直方图仅统计“订单笔数”，未考虑挂单量大小，可能误导真实供需。

5.3 加权直方图：用挂单量做权重

fig, ax = plt.subplots(figsize=(8, 4))
sns.histplot(
    x="price", weights="quantity", hue="side", binwidth=0.5,
    data=order_df, ax=ax
)
ax.set_title("加权挂单量分布")
plt.show()

5.4 深度图：交易所标准可视化

深度图 = 两条 加权 ECDF 曲线

fig, ax = plt.subplots(figsize=(8, 5))

sns.ecdfplot(
    x="price", weights="quantity", stat="count",
    complementary=True, data=frames["bids"], ax=ax, color="green"
)
sns.ecdfplot(
    x="price", weights="quantity", stat="count",
    data=frames["asks"], ax=ax, color="red"
)

ax.set_title("ETHBUSD 实时深度图")
ax.set_xlabel("价格")
ax.set_ylabel("累计挂单量")
plt.show()

👉 立即体验交互式深度图，零门槛上手！

6. 常见问题 FAQ

Q1：币安 API 的 limit 参数最大能调到多少？
A：深度接口 /depth 支持 5、10、20、50、100、500、1000 七档，免费账号即可使用 1000。

Q2：为什么不用 python-binance 等封装库？
A：封装库隐藏了底层细节，不利于学习 HTTP 交互与数据结构。掌握原生请求后，再使用封装库会更得心应手。

Q3：如何保持数据实时更新？
A：用 while True + time.sleep(1) 轮询接口即可；生产环境建议改用 WebSocket Stream 减少延迟。

Q4：深度图里的“累计挂单量”如何解读？
A：曲线越高，代表在该价格附近堆积的挂单越多，流动性越好；陡峭区域即为强支撑/阻力位。

Q5：能否直接交易？
A：本文仅演示行情读取，下单需使用 /order 接口并携带签名，务必妥善保管 API Key 与 Secret。

Q6：如何扩展到其他交易对？
A：将 symbol 参数改为 BTCUSDT、SOLUSDT 等即可，代码无需改动。

7. 小结与下一步

通过本文，你已学会：

  1. 用 requests 直接调用 币安 API 获取订单簿；
  2. 用 pandas 高效清洗与合并数据；
  3. 用 seaborn 绘制散点图、直方图与深度图；
  4. 理解 买卖盘价差 与 流动性 的量化指标。

下一步可以尝试：

祝你量化之路顺利！