市盈率（Price earningsratio，即P/E ratio）也称“本益比”、“股价收益比率”或“市价盈利比率（简称市盈率）”，是最常用来评估股价水平是否合理的指标之一，由股价除以年度每股盈余（EPS）得出。

市盈率简单明了地告诉我们，企业在盈利能力不变的情况下，靠每年的净利润需要多少年的时间可以收回成本。市盈率也代表了这只股票的市场情绪，市盈率高说明市场对这只股票乐观，都愿意购买。反之说明市场并不是很看好这只股票，不愿意买入。

市场广泛谈及市盈率通常指的是静态市盈率，通常用来作为比较不同价格的股票是否被高估或者低估的指标。用市盈率衡量一家公司股票的质地时，并非总是准确的。

还有另外一种：滚动市盈率（PE TTM）

        TTM数据是一个滚动概念，每个季度都会不同。虽然它的起始点会发生变化，但却始终包括有四个不同的季度(1、2、3、4; 2、3、4、1; 3、4、1、2; 4、1、2、3)，虽然这四个季度有可能属于两个不同的自然年度，但仍然弥补了上市公司季节性的客观差异所造成的影响。

这样一来，相隔两个季度之间的TTM 数据比较时，其采样中总会出现3 个季度的重合，1 个季度不同。正是由于加入了3 个重合的季度，则使这种比较在一定程度上过滤掉小波动，进而更加客观地反映上市公司的真实情况，更加客观的反映了上市公司的真实情况，为投资者做出正确决策提供一定的依据

计算公式：滚动市盈率=总市值 ÷ 最近4季度的净利润总额。

如果觉得根据季报自己计算比较麻烦，可以使用python接口baostock获取，示例代码如下：

import baostock as bs
import pandas as pd#### 登陆系统 ####
lg = bs.login()
# 显示登陆返回信息
print('login respond error_code:'+lg.error_code)
print('login respond  error_msg:'+lg.error_msg)#### 获取沪深A股估值指标(日频)数据 ####
# peTTM    动态市盈率
# psTTM    市销率
# pcfNcfTTM    市现率
# pbMRQ    市净率
rs = bs.query_history_k_data("sh.600000","date,code,close,peTTM,pbMRQ,psTTM,pcfNcfTTM",start_date='2015-01-01', end_date='2017-12-31', frequency="d", adjustflag="3")
print('query_history_k_data respond error_code:'+rs.error_code)
print('query_history_k_data respond  error_msg:'+rs.error_msg)#### 打印结果集 ####
result_list = []
while (rs.error_code == '0') & rs.next():# 获取一条记录，将记录合并在一起result_list.append(rs.get_row_data())
result = pd.DataFrame(result_list, columns=rs.fields)#### 结果集输出到csv文件 ####
result.to_csv("D:\\history_A_stock_valuation_indicator_data.csv", encoding="gbk", index=False)
print(result)#### 登出系统 ####
bs.logout()

参数含义：

code：股票代码，sh或sz.+6位数字代码，或者指数代码，如：sh.601398。sh：上海；sz：深圳。此参数不可为空；
fields：指示简称，支持多指标输入，以半角逗号分隔，填写内容作为返回类型的列。详细指标列表见历史行情指标参数章节。此参数不可为空；
start：开始日期（包含），格式“YYYY-MM-DD”，为空时取2015-01-01；
end：结束日期（不包含），格式“YYYY-MM-DD”，为空时取最近一个交易日；
frequency：数据类型，默认为d，日k线；d=日k线、w=周、m=月、5=5分钟、15=15分钟、30=30分钟、60=60分钟k线数据，不区分大小写；周线每周最后一个交易日才可以获取，月线第月最后一个交易日才可以获取。

adjustflag：复权类型，默认不复权：3；1：后复权；2：前复权。已支持日k线、分钟线前后复权；暂不支持周k线、月k线前后复权。 BaoStock提供的是涨跌幅复权算法复权因子。

返回数据说明：

示例数据（数据较多，只列出部分数据）：

在做历史回测时非常有用。