指数优化备份1

import akshare as ak
import pandas as pd
start_date='2024/12/01'
end_date='2024/12/20'
# 获取000300的历史行情数据
df_000300 = ak.index_zh_a_hist(symbol="000300")

# 获取sh000852的历史行情数据
df_sh000852 = ak.stock_zh_index_daily(symbol="sh000852")
# 获取HSI的历史行情数据
df_HSI= ak.stock_hk_index_daily_sina(symbol="HSI")
# 获取IXIC的历史行情数据
df_IXIC = ak.index_us_stock_sina(symbol=".IXIC")
df_Au = ak.spot_hist_sge(symbol='Au99.99')
df_300etf = ak.stock_zh_index_daily_em(symbol="sh510300")
df_1000etf = ak.stock_zh_index_daily_em(symbol="sh512100")
df_hz = ak.stock_zh_index_daily_em(symbol="sh513600")
# 获取黄金指数的历史行情数据
df_goldetf = ak.stock_zh_index_daily_em(symbol="sz159834")
# 获取国债指数的历史行情数据
df_bondetf = ak.stock_zh_index_daily_em(symbol="sh511100")
# 获取纳指指数的历史行情数据
df_nzetf = ak.stock_zh_index_daily_em(symbol="sz159509")
# 将日期列转换为日期时间类型
dataframes = [df_000300, df_sh000852, df_HSI, df_IXIC, df_Au, df_300etf, df_1000etf, df_hz, df_goldetf, df_bondetf, df_nzetf]
 
# 遍历列表中的每个数据框，将名为'date'或'日期'的列转换为日期时间类型
for df in dataframes:
    date_column_name = 'date' if 'date' in df.columns else '日期'
    df[date_column_name] = pd.to_datetime(df[date_column_name])
date_column_names = ['date' if 'date' in df.columns else '日期' for df in dataframes]
# 筛选出指定日期范围内的数据
dfs = {
    'df_sh000852': df_sh000852,
    'df_000300': df_000300,
    'df_HSI': df_HSI,
    'df_IXIC': df_IXIC,
    'df_Au': df_Au,
    'df_300etf': df_300etf,
    'df_1000etf': df_1000etf,
    'df_hz': df_hz,
    'df_goldetf': df_goldetf,
    'df_bondetf': df_bondetf,
    'df_nzetf': df_nzetf
}

# 遍历字典中的所有DataFrame，并应用日期过滤
for name, df in dfs.items():
    # 根据DataFrame中的日期列名称来选择正确的列
    date_column = 'date' if 'date' in df.columns else '日期'
    # 应用日期过滤
    dfs[name] = df[(df[date_column] >= start_date) & (df[date_column] <= end_date)]
df_000300 = dfs['df_000300'][['日期', '收盘', '最高', '最低', '成交量']].rename(columns={
    '日期': 'date',
    '收盘': '000300_close',
    '最高': '000300_high',
    '最低': '000300_low',
    '成交量': '000300_volume'
})
 
df_sh000852 = df_sh000852[['date', 'close', 'high', 'low', 'volume']].rename(columns={
    'close': 'sh000852_close',
    'high': 'sh000852_high',
    'low': 'sh000852_low',
    'volume': 'sh000852_volume'
})
 
df_HSI = df_HSI[['date', 'close', 'high', 'low', 'volume']].rename(columns={
    'close': 'HSI_close',
    'high': 'HSI_high',
    'low': 'HSI_low',
    'volume': 'HSI_volume'
})
 
df_IXIC = df_IXIC[['date', 'close', 'high', 'low', 'volume']].rename(columns={
    'close': 'IXIC_close',
    'high': 'IXIC_high',
    'low': 'IXIC_low',
    'volume': 'IXIC_volume'
})
 
df_Au = df_Au[['date', 'close', 'high', 'low']].rename(columns={
    'close': 'Au_close',
    'high': 'Au_high',
    'low': 'Au_low'
})
 
df_300etf = df_300etf[['date','close']].rename(columns={
    'close': '300etf_close'})
 
df_1000etf = df_1000etf[['date','close']].rename(columns={
    'close': '1000etf_close'})
 
df_hz = df_hz[['date','close']].rename(columns={
    'close': 'hz_close'})
df_goldetf = df_goldetf[['date','close']].rename(columns={
    'close': 'goldetf_close'})
df_bondetf = df_bondetf[['date','close']].rename(columns={
    'close': 'bondetf_close'})
df_nzetf = df_nzetf[['date','close']].rename(columns={
    'close': 'nzetf_close'})
 
# Merge the two DataFrames on the 'date' column
for n,i in enumerate([df_000300, df_sh000852, df_HSI,df_IXIC,df_Au,df_300etf,df_1000etf,df_hz,df_goldetf,df_bondetf,df_nzetf]):
    if n == 0:
        result = i
    else:
        result = pd.merge(result, i, on='date', how='inner')
 
# Display the merged DataFrame
result