成交量是反映市场情绪和流动性一个很重要的指标，当出现牛市时成交量会急剧放大，当出现熊市时成交量会急剧缩小。
通过成交量可以反映出市场的情绪是处于正常、平淡还是疯狂，可以在一定程度上指导我们的投资操作，例如当市场过于疯狂的时候可能是撤退的机会，当市场平淡的时候可能是入场的时机，当市场处于正常交易量则应该保持观望。
清楚目前市场的冷暖程度可以起到锚定的作用，面对上涨下跌从容应对，从而不会随大流追涨杀跌。
选取近十年A股成交量的变化曲线（交易单位为亿）
可以看出在2015年牛市的时候成交量急剧放大，是普通交易日的好几倍，而2012年到2014年的大熊市成交量非常低，基本只有牛市的五分之一不到，同样2018年到2019年的熊市成交量也非常低迷。
而2019年初以来的牛市可以看见，整个市场的成交量是震荡走高的，当然这个和目前参与基金投资的人越来越多也有关系。
所以，从量化的角度来说市场成交量是一个很重要的指标，下面就看看怎么来获得这个数据。
想要的数据还是从baostock来获取，前面有一片文章提到过怎么从baostock获取数据《基于Python的指数基金量化投资 - 股票数据源baostock》。
在baostock的接口中没有直接能获取全市场成交量的接口，但它提供了上交所交易量和深交所交易量的数据，只要把这两个数据加总就能获得我们想要的全市场成交量数据。
在baostock的介绍中通过下面两个指数就能获得上交所和深交所的成交量数据。
上面图中的sh.000001和sz.399107分别就是上交所的所有样本股和深交所的所有样本股，通过前面介绍的《基于Python的指数基金量化投资 - 指数数据获取》，可以获得两个指数的成交量：
把获得两个数据进行加总就是全市场成交量。
下面是具体的代码实现过程（代码中的路径是小将自己的路径，大家可以根据自己的进行调整）。
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import math as math
import baostock as bs
time_end = '2021-11-10'
print(time_end)
# 登陆系统
lg = bs.login()
name_index_list = ['sh.000001','sz.399107']
for i in range(len(name_index_list)):
rs = bs.query_history_k_data_plus(name_index_list[i],
"date,code,open,high,low,close,preclose,volume,amount,pctChg",
start_date='2010-09-01', end_date=time_end, frequency="d")
data_list = []
while (rs.error_code == '0') & rs.next():
# 获取一条记录，将记录合并在一起
data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
# 结果集输出到csv文件
result.to_csv("./exportfile/transactionOfMarket/" + name_index_list[i] + ".csv", index=False)
bs.logout()
amount = 0
for i in range(len(name_index_list)):
index_data = pd.read_csv('./exportfile/transactionOfMarket/' + name_index_list[i] + '.csv')
data_index = index_data['amount'].values
amount = amount + data_index
size_title = 28
size_label = 23
size_line = 3
size_rotation = 20
plt_gap = 12
plt.figure()
plt.rcParams["axes.grid"] = True
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams["grid.linestyle"] = (3, 5)
plt.plot(amount/100000000,linewidth=size_line)
plt_xticks = index_data['date'].values[1:len(index_data['date']):1].tolist()
plt.xticks(range(len(plt_xticks),0,-math.floor(len(plt_xticks)/plt_gap)),plt_xticks[len(plt_xticks):0:-math.floor(len(plt_xticks)/plt_gap)],rotation=size_rotation)
plt.tick_params(labelsize=size_label)
plt.title('成交量数据', size=size_title)
如需代码里面用到的指数估值数据或者有疑问，大家可以留言，欢迎拍砖^_^
课程参考：网易云课堂 基于Python的量化指数基金投资
