Este código utiliza la librería beem y pandas para analizar la ganancia en HBD (una moneda digital en la plataforma Hive) asociada con los 10 tags más populares en la plataforma Hive.
El código define una función llamada comments_payouts que toma una fila de un DataFrame como entrada y devuelve el resultado de dividir el valor total de los pagos (total_payouts) por el número de publicaciones de mayor pago (top_posts).
A continuación, se crea un objeto q que utiliza la clase Query de beem para acceder a los tags más populares en la plataforma Hive. Se utiliza la función Trending_tags para agregar los tags a una lista y crear un DataFrame (df) con estos datos.
Se reemplaza el texto " HBD" en la columna "total_payouts" con valores numéricos para que sea posible realizar cálculos con ellos. Luego, se filtra el DataFrame para mostrar solo aquellos tags que tienen más de 500 comentarios, y se ordena de mayor a menor por número de comentarios.
Por último, se agrega una nueva columna llamada "ganancia" al DataFrame utilizando la función comments_payouts y el método apply de pandas, y se imprime el resultado final.
Este código puede ser útil para aquellos que deseen conocer las ganancias asociadas con los tags más populares en la plataforma Hive y comparar la relación entre el número de comentarios y los pagos en HBD.
ENGLISH
This code uses the beem and pandas library to analyze the HBD (a digital currency on the Hive platform) payout associated with the 10 most popular tags on the Hive platform.
The code defines a function called comments_payouts that takes a row of a DataFrame as input and returns the result of dividing the total value of payouts (total_payouts) by the number of top paying posts (top_posts).
Next, a q object is created that uses beem's Query class to access the most popular tags in the Hive platform. The Trending_tags function is used to add the tags to a list and create a DataFrame (df) with this data.
The text "HBD" in the column "total_payouts" is replaced with numeric values so that calculations can be performed with them. Then, the DataFrame is filtered to show only those tags that have more than 500 comments, and sorted from highest to lowest by number of comments.
Finally, a new column called "gain" is added to the DataFrame using the comments_payouts function and the apply method of pandas, and the final result is printed.
This code may be useful for those who want to know the earnings associated with the most popular tags in the Hive platform and compare the relationship between the number of comments and payouts in HBD.
▶️ 3Speak
Estimado @buritica un gusto verlo en la comunidad. Nos ha traído algo innovador y que nos interesa porque tiene que ver con nuestra cadena bloques. Le instamos a colocar la fuente que usa de música de fondo. Gracias por preferir a #EspaVlog
Muchas gracias por su comentario, colocare la musica de fondo gracias por su sugerencia
Que sigan los éxitos.
Thanks for your contribution to the STEMsocial community. Feel free to join us on discord to get to know the rest of us!
Please consider delegating to the @stemsocial account (85% of the curation rewards are returned).
You may also include @stemsocial as a beneficiary of the rewards of this post to get a stronger support.
Congratulations @buritica! You have completed the following achievement on the Hive blockchain And have been rewarded with New badge(s)
Your next target is to reach 3750 upvotes.
You can view your badges on your board and compare yourself to others in the Ranking
If you no longer want to receive notifications, reply to this comment with the word
STOPCheck out our last posts:
Support the HiveBuzz project. Vote for our proposal!
Genial 👍, me da ideas para interactuar desde React.js y que los datos queden en un datatable
Estaba tratando de probar el script, pero me dice que el módulo beem.discussions no existe 🙃
Debes importar beem la libreria que utiliza Hive para interactuar con su blockchain
¿Te refieres a hacer la instalación?
Lo primero que hice fue: pip install -U beem (lo mismo con la librería de pandas)