兰叶春葳蕤，桂华秋皎洁。
1 前言
在前文中，作者已经分析了股票、基金的相关分析和计算，在本文中将继续分享A股市场成交量的计算，数据导出以及数据展示，主要是为了分享 pandas 数据处理的方法和思路，在本文中将涉及到 pandas 的数据合并以及 pandas 的数据导出。
2 数据准备
在之前的文章matplotlib 绘制上证指数图形 中，已经介绍了获取上证指数数据的方法，在本文中将使用同样的方法获取k线数据(数据来源为 eastmoney)。目前A股市场的总成交额包括上证指数和深证指数，因此需要综合计算两大指数的数据，即可获取最终的结果。上证指数代码 000001 和深证指数代码 399106。获取指数数据的代码如下所示： 
通过方法会得到截止到当天的交易数据，可以通过 print 函数来输出指数的交易历史数据，包括交易日期，指数点位，成交金额，成交量以及换手率等信息。
3 数据计算
在准备好交易历史数据后，就可以进行数据的合并计算。A 股市场的成交金额是两大市场的总和，在 pandas 中，我们需要先将数据进行提取并进行重命名，我们需要计算两个指数的交易总额，首先需要使用 pandas merge 方法进行数据合并，数据合并使用日期进行关联，这个类似于 sql 语法的关联查询。同时需要将交易金额进行格式化处理，毕竟都是跟着好几位零的数据。
在 pandas 中，进行数据的计算十分简单，类似于四则运算即可生成一个新的数据列，两市的换手率计算比较复杂，需要根据成交总额除以两市总市值即可。接下来需要对日期进行格式化处理，提取出日期和年份数据，以方便图形化展示。
由于历史数据是从20年开始抓取的，在图形展示时会形成较多的数据线，这里只需要展示22年以来的数据即可，在进行数据截取时，需要将 pandas 的 index 进行重置，否则截取的数据还是保留原来的索引，在后续计算中会导致计算错误。即使采用了近两年的数据，也会导致数据图形的 x 坐标密集化展示，因此需要使用 xticks 对坐标进行处理，该项处理在图形化展示中至关重要。 
4 数据导出
在上节中已经进行了数据的图形化处理，在本节中将把之前的数据进行导出，以便进行查看和接下来的处理。这里的数据导出采用两种方式，一种是简单的，一种是可以定制化的，以便设置单元格样式。
导出的结果如下所示：
3 总结
综上，本文使用了 pandas 进行数据计算和导出，主要介绍了数据计算的思路和方式，以及数据分析的一些技巧。相关代码已经上传至 github, 欢迎大家 star, 项目地址 fund_python。