教你用Python自制一张好看的指数估值图！这招很好用！

对于以定投指数的方式理财的朋友，最需要关注的指标便是各个指数的估值，在指数低估时买入，高估时卖出，那如何制作一张估值图来跟踪指数的估值情况呢？本文就从0到1介绍如何用Matplotlib画一张漂亮的指数估值图。

准备数据

首先，准备我们需要的数据，一般来说，经历了一轮牛熊周期的历史估值更具比较意义，所以，这里以上证指数2013年到目前为止的行情数据为例进行演示，同时，采用滚动市盈率为估值指标。数据来源为tushare。

import pandas as pd import numpy as np import matplotlib.pyplot as plt import tushare as ts from datetime import * %matplotlib inline #设置显示中文 plt.rcParams['font.sans-serif'] = 'FangSong' pro = ts.pro_api() index_df = pro.index_dailybasic(ts_code = "000001.SH",start_date = "", end_date = "",fields="trade_date,pe_ttm") index_df.sort_values(by="trade_date",inplace=True) x = pd.to_datetime(index_df["trade_date"]).values y = index_df["pe_ttm"].values 

根据得到的数据，可以绘制出上证指数市盈率的走势图：

fig,ax = plt.subplots(figsize=(12,8)) ax.plot(x,y) 

接下来便需要根据一定的规则，将估值划分为高估区、正常区以及低估区。

估值区间划分

参照比较常见的划分方法，本文将大于80%分位数的区域视为高估区间，低于20%分位数的区域视为低估区间，位于两者之间的，则为正常区间。下面的代码算出了这几个关键数据点

max = np.max(y) pe_80 = np.percentile(y,80) pe_20 = np.percentile(y,20) min = np.min(y) now = y[-1] #为了后续标出当日估值 

绘图

根据分割的数据点，就可以进行绘图了，这里主要用到fill_between函数绘制各区域的颜色分割，将高估区域用红色块填充，正常区间用黄色块填充，低估值区域用绿色块填充。同时为了显示效果，将图的上下限分别设置为最大值+1和最小值-1。

fig,ax = plt.subplots(figsize=(12,8)) ax.plot(x,y,linewidth=3) ax.fill_between(x,min-1,pe_20,facecolor = "#00ff80",alpha=0.2) ax.fill_between(x,pe_20,pe_80,facecolor = "#ffff4d",alpha=0.2) ax.fill_between(x,pe_80,max+1,facecolor = "#ff69b4",alpha=0.2) 

整个图形的大致轮廓已经出来了，为了更好的显示效果，接下来还需要对图形进行微调。比如：

• 去掉坐标轴的刻度并将相应字体放大–>ax.tick_params()
• 去掉图形与坐标轴之间的空白–>ax.margins()
• 在图中标出当日市盈率–>ax.text()
• 将图形的方框去掉–>plt.box()
• 为图标添加标题–>plt.title

所以，在之前代码的基础上，加入下面的调整代码，就可以得到最终的成品图

fig,ax = plt.subplots(figsize=(12,8)) ax.plot(x,y,linewidth=3) ax.fill_between(x,min-1,pe_20,facecolor = "#00ff80",alpha=0.2) ax.fill_between(x,pe_20,pe_80,facecolor = "#ffff4d",alpha=0.2) ax.fill_between(x,pe_80,max+1,facecolor = "#ff69b4",alpha=0.2) ax.tick_params(axis='both', which='both',length=0) ax.tick_params(axis='both', which='major', labelsize=16) ax.margins(0.01,0) ax.text(0.75,0.9,"市盈率 = {}".format(now),transform=ax.transAxes,fontdict={'size':18}) plt.xticks(rotation=45) plt.box(False) plt.title("上证指数估值图",fontdict={'size':24}) 

函数封装

进一步地，为了将上面的代码复用，可以将所有绘图的代码封装成函数，之后只需要输入相应的指数代码（可以值宽基指数、行业板块指数）和时间范围，即可快速生成一张估值图。

def pe_plot(ts_code = "",name="",period=5): #准备数据 now = datetime.now() end_date = str(now.date()).replace("-","") start_date = str(now.year-period)+end_date[4:] index_df = pro.index_dailybasic(ts_code = ts_code,start_date = start_date, end_date = end_date,fields="trade_date,pe_ttm") index_df.sort_values(by="trade_date",inplace=True) x = pd.to_datetime(index_df["trade_date"]).values y = index_df["pe_ttm"].values #划定分割范围 max = np.max(y) pe_80 = np.percentile(y,80) pe_20 = np.percentile(y,20) min = np.min(y) now = y[-1] #绘图 fig,ax = plt.subplots(figsize=(12,8)) ax.plot(x,y,linewidth=3) ax.fill_between(x,min-1,pe_20,facecolor = "#00ff80",alpha=0.2) ax.fill_between(x,pe_20,pe_80,facecolor = "#ffff4d",alpha=0.2) ax.fill_between(x,pe_80,max+1,facecolor = "#ff69b4",alpha=0.2) ax.tick_params(axis='both', which='both',length=0) ax.tick_params(axis='both', which='major', labelsize=16) ax.margins(0.01,0) ax.text(0.75,0.9,"市盈率 = {}".format(now), transform=ax.transAxes,fontdict={'size':18}) plt.xticks(rotation=45) plt.box(False) plt.title("{}估值图".format(name),fontdict={'size':24}) plt.show() 

比如，生成一张创业板指数近5年的估值图

pe_plot(ts_code=".SZ",name="创业板指",period=5)

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入