对这张图表进行初步的解读，我们可以得到下图：
在这个网络中，我们可以清晰地得到以下发现：
1.最大的交易发生在USD和BTC之间，不过由于美元没有计算流通量，所以美元的点很小；
2.资金流动最大的币种是BTC，排名第二的是ETH；
3.第二世界阵营是炙手可热的，它们的点相对较大，彼此之间的交易比较多，又可以和美元、USDT、BTC直接交易，这一阵营的代表有莱特币、小蚁、EOS、量子链；
4.第三世界阵营可以和ETH、BTC和美元进行交易，但是和第二阵营币之间没有很高的交易关联度；
5.从边的关系看，日元和韩元都很本土化，日本人很喜欢买卖BTC，而韩国人在BTC之外，还很喜欢第二世界阵营的币。
3、谁是交易的中心？
在数字货币交易中，中心是一个重要的概念。它就像地理中的交通枢纽，中心度高的币种就像陆路贸易时代连接大唐与西域十六国的敦煌，可以和其他的许多币种连成交易对。
城市间的通商成本是交通，代币之间的成本是每次交易所需支付的千分之几的交易费。如果一个币种可以和各种币种进行兑换，它的价格会比较稳定，体量也会更大。这样的币种也更受交易者的青睐，因为他们一旦持有了该币种，就可以自由地购买不同的货币和商品。比特币在数字货币市场上的地位就像美元在国际贸易中一样，大部分山寨币都可用比特币进行兑换。
如何用数据定义一种货币的中心度？加入某种代币可以和n种货币进行交易，我们就将它的中心度定为n。由于比特币和以太币的中心度过高，我们在数据分析中剔除了这两种货币，关联上币种在24小时内的流通量，我们得出了下图：
我们发现，在前文的交易网络中存在的第二世界和第三世界阵营，在这个抽象空间中依然是邻居。
图中右下角的两个孤立点是日元和韩元，它们数量大，但连通度小telegram的电脑版的下载的地址是多少。这是因为在许多国家的交易所，如果用货币进行交易，通常会对交易者是否在洗黑钱、是否已缴税等进行监察，所以用法币开交易对并不容易。不过人们买币总归需要支付法币，因而法币的资金量会很大，但中心度却很小。
如果进一步过滤掉大币种，我们发现剩下的币种差异性很大： 纸飞机的中文版下载的地址是什么
位于左侧的币，连通度很大但交易量不大，这或许是因为最近山寨币在收缩、归零，即便交易对很多也难以改变其交易量很小的命运。只有少数的币种在右侧空间中，以正常的交易量流通着。
4、币的竞争
比特币最初一家独大，但近几年大量诞生的山寨币是否分割了比特币的市场？如果以市值=流通供给量*价格的公式进行计算，比特币的最大竞争对手是以太币。
CoinMarketCap的图表比较清晰地呈现了不同货币的市场占比，黄线代表比特币，黑线代表以太币：
是不是觉得他们很有规律呢?
1.从统计上看，比特币的市值比例是下降的，从去年年初到年中，降幅非常明显；
2.竞争关系很明显，以太币的市场占比上涨时，比特币的就下跌，但这不是绝对的，因为这个图呈现的是百分比，因为其他币种的市值很小，所以比特币和以太币之间会出现此消彼长的趋势；
3.去年12月左右，比特币大跌，占有率也在下跌，但在今年2月开始，又逐渐上升了。
5、币的价差
每个国家兑换比特币的价格是不同的。
以韩国为例，他们的交易所比较封闭，除了bithumb，很多交易所都没有外语版本；如果你要申请提款，据说必须在韩国生活半年，持有一张韩国特定银行的卡。外国人很难进入韩国的数字货币市场。因而去年币市火热的时候，韩国的比特币比国外贵了50%，不过这个利差现在已差不多消失了。
因而价差的本质，一是买卖平衡，二是政府管制。那么如何衡量国家管制呢？我想到的一个办法是，通过场外交易价格来衡量。
以中国为例，由于如今任何平台都不能用人民币来兑换比特币，而在国外交易监察很严且要收税，正规流程的提款周期又很长，因而一种新业务——场外交易——随之诞生。交易平台为这种交易提供担保，交易则局限在交易者之间、私下进行。除了手续费高，这种交易方式受政策因素影响较小，因而在我看来，交易价格也更接近人们的心理预期。
我们在一个交易量非常大的交易平台LocalBitcoin上抓取了3100多次交易，做了简单分析后，得出了下图，蓝色柱状图代表交易价格，黄色曲线达标交易数量：
其中，委内瑞拉的价格换兑换美元的价格很高，是外telegram的官方下载的方法是多少界的10倍。这个国家保持着全球最高的通胀率纪录，这或许是导致其兑换价格高的一个原因。许多小国家也热衷于比特币交易，比如尼日利亚、秘鲁、伊朗。这些小国尽管人口不多，但是比特币的交易量比较大，这或许和这些国家法币不稳定性有关。
说明：全文的数据分析基于PostgreSQL和众安科技开发的数据可视化产品Zatlas(v.anlink.com)
注①：我们用一个PostgreSQL看词频，里面用的show_trgm函数， 可以把一个词分解为相邻序列，BTC => BT、TC、BTC，然后统计有几个。
本文仅从技术和数据角度分析数字货币背后的一些趋势，代表个人观点，与投资建议无关
作者：周宁奕
数据分析作品包括：上海买房攻略/杭州房价研究/共享单车的违停大数据计算