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)
程序中用到的指数估值信息大家可以留言获取也可以添加小将前行的微信xjqx_666进行获取，欢迎大家一起交流_
课程参考：基于Python的量化指数基金投资