大家是否留意到《Python实战-构建基于股票的量化交易系统》小册子的介绍中有一副图：

接下来，我们手把手教大家如何来绘制标记着上证指数涨跌周期的图片。此处会涉及到matplotlib、pandas、tushare、numpy等Python第三方库的使用。

首先使用tushare的ts.get_k_data接口获取上证综指2008年至2019的日交易数据。

#获取上证综指2008年至2019的日交易数据
 sh=ts.get_k_data('sh',start='2008-1-1', end='2019-1-1')
print(sh.head())

           date     open    close     high      low      volume code
183  2008-10-06  2267.39  2173.74  2267.39  2172.57  60938100.0   sh
184  2008-10-07  2101.09  2157.84  2183.00  2072.90  56902600.0   sh
185  2008-10-08  2095.91  2092.22  2127.08  2059.09  50759500.0   sh
186  2008-10-09  2125.57  2074.58  2130.87  2063.41  45071000.0   sh
187  2008-10-10  1995.96  2000.57  2027.83  1963.18  54077500.0   sh

使用matplotlib的plot()函数绘制上证指数的收盘价。

sh['close'].plot(figsize=(16,8))

从图中可以看到2014年开始的那一轮牛市，从2014年7月持续到2015年6月，这11个月指数居然从2075.48点涨到了5178.19点。我们使用matplotlib的annotate ()函数在图表中标注下牛市的起点和终点。

plt.annotate('牛市起点',
   xy=('2014-7-1',2054),
   xytext=('2014-3-1',2500),
   bbox = dict(boxstyle = 'round,pad=0.5',
   fc = 'yellow', alpha = 0.5),
   arrowprops=dict(facecolor='red',
   shrink=0.05),fontsize=12)

接下来用matplotlib的axhline()函数将指数中位值设置为水平参考线(horizontal)，用matplotlib的axvline()函数将指数最小值所在交易日设置为垂直参考线(vertical)。

plt.axhline(y=sh['close'].median(), c='r', ls='--', lw=2)
plt.axvline(x=sh[sh['close'].values == sh['close'].min()].index, c='g', ls='-.', lw=2)

接下来用matplotlib的axhspan()函数将牛市的起始点位设置为平行于x轴的参考区域(horizontal)，用matplotlib的axvspan ()函数将牛市的起始交易日设置为平行于y轴的参考区域 (vertical)。

plt.axhspan(ymin=2075.48, ymax=5178.19, facecolor='purple', alpha=0.3)
plt.axvspan(xmin='2014-7-1', xmax='2015-6-15', facecolor='g', alpha=0.3)

接下来我们对图表的样式细节进行调整。比如去掉图形上边和右侧的边框、设置坐标轴上的刻度线位置、将刻度线放在坐标轴内侧。

# 样式调整
# spines设置图表left\right\bottom\top边框，此处去掉图形上边和右侧的边框
for spine in plt.gca().spines.keys():
    print(spine)
    if spine == 'top' or spine == 'right':
        plt.gca().spines[spine].set_color('none')

# 设置坐标轴上的刻度线位置（其实这里的设置跟默认一样）
plt.gca().xaxis.set_ticks_position('bottom')
plt.gca().yaxis.set_ticks_position('left')

# 将刻度线放在坐标轴内侧
plt.tick_params(direction = 'in')

关于完整代码可以加入小册交流群获取。更多的量化交易内容欢迎大家订阅小册阅读！！