根据一些标准，我能够为每个点生成以下标记：

我制作了一个虚拟的 Pandas 数据框，使用正弦和余弦得到很好地相互交叉的线条；还使索引本身成为一列（带有reset_index）只是为了使以后的绘图更容易。

df = pd.DataFrame.from_dict(dict(sin=np.sin(np.linspace(0, 2*np.pi, 50)),
                             cos=np.cos(np.linspace(0, 2*np.pi, 50))))
df.index.name = "index"
df.reset_index(inplace=True)
df.head(5)

  index sin        cos
0   0   0.000000    1.000000
1   1   0.063424    0.997987
2   2   0.126592    0.991955
3   3   0.189251    0.981929
4   4   0.251148    0.967949

我创建了一个包含您想要的标准的新列，因此如果一行高于或低于另一行：

df["criteria"] = df.sin > df.cos    # where sin values are higher than cos values

这将允许我们选择使用哪种样式（例如，哪种标记）来绘制哪些点。

最终图本身由两部分组成（请注意，我们重复使用相同的ax对象，因此所有图都出现在同一张图上）

1. 可以添加基础数据本身来创建简单的线条（这些是您的移动平均列）。

   ax = df.sin.plot(c="gray", figsize=(10, 6))    # plots the sine curve in gray
   df.cos.plot(c="cyan", ax=ax)                   # re-uses the ax object - important!
   

2. 标记，基于我们的criteria专栏。我们过滤满足我们标准的点并用某个标记绘制它们，然后过滤不符合标准的点（使用否定选择器：）~。虽然我们使用了plot上面的基本线，但我们现在需要使用scatter这种情节：

   df[df.criteria].plot(kind="scatter", x="index", y="sin",
                        c="green", marker="^", ax=ax, label="higher")
   
   df[~df.criteria].plot(kind="scatter", x="index", y="sin",
                        c="red", marker="v", ax=ax, label="lower");
   

   请注意，我们继续使用相同的ax对象。

我们还可以添加图例，它默认使用 Pandas 列名称或label在每个绘图方法中传递的名称：

plt.legend()="lower");    # adds legend for all plots

您可以在matplotlib 文档中看到有一个marker参数，但似乎您不能简单地指定 Pandas 数据框的一列来为每个单独的点提供标记。

只需找到这两个数据的交集并施加大于和小于的条件，然后找到它们的索引并绘制它。

ndf = pd.read_csv('Nifty50.csv')
ndf.Date = pd.to_datetime(ndf['Date'])

fig, ax = plt.subplots(figsize=(15, 5))
ndf['roll21'] = ndf['Close'].rolling(21).mean()
ndf['roll34'] = ndf['Close'].rolling(34).mean()
ndf.dropna()

def whenCrosses(values):
    l=[]
    were = values[0]
    flag = True
    for i, ele in enumerate(values):
        if were==ele:
            l.append(0)
        else:
            l.append(1)
            were = ele
    return l

ndf['buy'] = ndf['roll34']<ndf['roll21']
ndf['sell'] = ndf['roll34']>ndf['roll21']

ndf['buy_change'] = np.array(whenCrosses(ndf.buy.values.reshape(1, len(ndf.buy)).flatten()))
ndf['sell_change'] = np.array(whenCrosses(ndf.sell.values.reshape(1, len(ndf.sell)).flatten()))

ndf['buy'] = ndf['buy_change'].where(ndf['buy']==True)
ndf['buy'] = ndf['roll21'].where(ndf['buy']==1)

ndf['sell'] = ndf['sell_change'].where(ndf['sell']==True)
ndf['sell'] = ndf['roll21'].where(ndf['sell']==1)

ax.plot(ndf.Date, ndf.Close, 'r')
ax.plot(ndf.Date, ndf.roll34, 'b', label='34_SMA')
ax.plot(ndf.Date, ndf.roll21, 'g', label='21_SMA')
ax.plot(ndf.Date, ndf.buy, "g^")
ax.plot(ndf.Date, ndf.sell, "kv")

ax.set_xlabel('Date')
plt.legend(loc=2)
plt.tight_layout()
plt.xticks(plt.xticks()[0], df.index.date, rotation=45)
plt.show()

你应该得到-