En aquest article revisem com ingerir, processar i analitzar dades des de fonts externes mitjançant APIs i Python, prenent com a exemple l'API pública de Binance per obtenir preus de parells de criptomonedes i filtrar-los amb les llibreries pandas i requests.
El següent és un script Python complet que implementa aquesta ingesta de dades. Està pensat com a punt de partida per integrar-lo en pipelines de dades, automatitzacions o per generar registres històrics des de l'API de Binance.
import pandas as pd; import requests; BASE_URL = 'https://api.binance.com'; TARGET_PAIRS = ['BTCUSDT','ETHBTC','ETHUSDT','SOLUSDT']; def get_latest_prices(): # Obté, parseja i filtra dades de preus des de l'API de Binance endpoint = f{BASE_URL}/api/v3/ticker/price; response = requests.get(endpoint); data = response.json(); price_df = pd.DataFrame(data); filtered_df = price_df[price_df['symbol'].isin(TARGET_PAIRS)]; print(filtered_df); return filtered_df; if __name__ == __main__: get_latest_prices()
A continuació desglossem l'script pas a pas per entendre la seva estructura i punts on ampliar-lo per a producció.
1. Configuració i separació de valors Definim BASE_URL i TARGET_PAIRS al inici per separar la configuració de la lògica. Això facilita modificar serveis objectiu o parells sense tocar la funció principal i millora la mantenibilitat del codi.
2. Comunicació amb l'API usant requests La llibreria requests s'encarrega de la transacció HTTP amb l'API de Binance. Amb requests.get apuntem a l'endpoint que retorna tots els preus. En entorns de producció convé afegir gestió d'errors, temps d'espera i reintents per robustificar la crida.
3. Deserialitzar la resposta JSON La majoria de les APIs modernes responen en JSON. Cridant a response.json convertim aquest text en objectes Python natius, típicament una llista de diccionaris que contenen els camps symbol i price entre d'altres.
4. Organitzar dades amb pandas pandas transforma la llista de diccionaris en un DataFrame, una estructura tabular en memòria amb índexs i etiquetes de columna que facilita operacions posteriors com filtratge, agregació i transformació per a anàlisi o emmagatzematge.
5. Filtratge amb boolean masking Utilitzem boolean masking per quedar-nos només amb els parells que ens interessen. El patró price_df[price_df['symbol'].isin(TARGET_PAIRS)] avalua una màscara booleana i retorna un nou DataFrame amb les files el símbol de les quals està a la llista TARGET_PAIRS.
Amb aquests cinc passos tenim una ingesta bàsica però poderosa. Per portar-ho a producció recomanem afegir gestió d'errors amb response.raise_for_status o try except, configurar timeouts a requests, instrumentació per logging i mètriques, i persistència en bases de dades o formats de fitxer com parquet per historitzar els preus.
Automatització: pot executar-se periòdicament amb un scheduler com cron o un servei d'orquestració i així construir una sèrie temporal de preus. Per escalat i desplegament es poden usar contenidors i serveis cloud com AWS o Azure.
Sobre Q2BSTUDIO: som una empresa de desenvolupament de programari i aplicacions a mida especialitzada en solucions d'intel·ligència artificial, ciberseguretat i serveis cloud. Oferim programari a mida, aplicacions a mida i solucions integrals d'intel·ligència artificial i IA per a empreses, incloent agents IA, integració amb Power BI i serveis d'intel·ligència de negoci. A més proporcionem serveis cloud AWS i Azure i arquitectures segures per protegir les teves dades i operacions.
Serveis clau que oferim: desenvolupament de programari a mida, aplicacions a mida, consultoria i desplegament d'intel·ligència artificial, detecció i resposta en ciberseguretat, serveis d'intel·ligència de negoci, integració amb Power BI, agents IA personalitzats i migració o gestió en serveis cloud AWS i Azure.
Si busques millorar el valor de les teves dades amb solucions personalitzades, automatitzar pipelines d'ingesta o aplicar intel·ligència artificial als teus processos de negoci, Q2BSTUDIO pot ajudar-te a dissenyar, implementar i operar la solució adequada, amb focus en seguretat, escalabilitat i resultats mesurables.
Paraules clau per posicionament: aplicacions a mida, programari a mida, intel·ligència artificial, ciberseguretat, serveis cloud AWS i Azure, serveis d'intel·ligència de negoci, IA per a empreses, agents IA, Power BI.
