以比亚迪为例，对其收盘价计算回撤，计算逻辑的核心是求的当前日期及其之前日期的价格的最大值，然后计算回撤率，然后就可以求最大值了。
本文不仅给出回撤的计算，还画出了价格与回撤率的组合图，便于观察。
看完这篇文章，还能学会组合图的绘制，一张绘制两张图，双纵轴坐标。
什么也不说了，一切尽在代码中

import numpy as np
import tushare as ts
import pandas as pd
ts.set_token('你得code')
df = ts.pro_bar(ts_code='002594.SZ', adj='qfq', start_date='20200101', end_date='20221004')
df

668 rows × 11 columns

# 计算每个日期及其之前的最高收盘价：首先df最近日期的数据在第一行，也就是时间降序排列的，max(df.loc[idx:,'close'])，就是计算本日期和之前日期的最高收盘价，如果最高收盘价是自己，那么说明没有回撤
for idx,row in df.iterrows():
    df.loc[idx,'max']=max(df.loc[idx:,'close'])
df

668 rows × 12 columns

# 计算回撤率
df['max_rt']= df['close']/df['max']-1

# 正负转化，乘以100,转化为%
df['max_rt']=-df['max_rt']*100
df

668 rows × 13 columns

# 计算最大回撤
max(df['max_rt'])

46.18689685526171

df.sort_values(by='trade_date',inplace=True) #排个序
df

668 rows × 13 columns

df=df.set_index('trade_date')

import numpy as np                             # 导入各个模块
import matplotlib.pyplot as plt
import pandas as pd
from pandas import Series, DataFrame
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']   # 设置字体为黑体
mpl.rcParams['axes.unicode_minus'] = False     # 解决中文字体负号显示不正常问题

plt.rcParams.update({'font.size': 20})

fig = plt.figure(figsize=(30,15))
ax1 = fig.add_subplot(111)
df['close'].plot(ax=ax1,ls='-',alpha=1.0,label='收盘价',color='#000000')    # alpha表示点的透明程度
plt.xlabel('日期')
ax1.set_ylabel('收盘价')                  # 设置左边纵坐标标签
plt.legend(loc=2)            # 设置图例在左上方

ax2 = ax1.twinx()
df['max_rt'].plot(ax=ax2,grid=True,label='回撤率',alpha=0.7)
ax2.set_ylabel('回撤率',)       # 设置右边纵坐标标签
plt.legend(loc=1)                # 设置图例在右上方
plt.title('收盘价与回撤率')    # 给整张图命名
plt.show()

从图中可以清楚的看到随着时间的走势，回撤的变化，最大回撤情况。