修改了一点变成以下的样子：
import pandas as pd
# 从数据源获取510300和515180的收盘价数据
hs300_data = pd.read_csv('htbrhs300.csv')
zzhl_data = pd.read_csv('yfdzzhl.csv')
# 计算收益率
hs300_returns = hs300_data['close'].pct_change()
zzhl_returns = zzhl_data['close'].pct_change()
# 计算相关系数
correlation = hs300_returns.corr(zzhl_returns)
print("510300与515180的相关系数：", correlation)
网上查到从聚宽上获取他们从20200102至240604收盘价的代码：
import pandas as pd df = get_price('510300.XSHG', start_date='2020-01-02', end_date='2024-06-04', frequency='daily', fields=None, skip_paused=False, fq='none') df = df.dropna() df.to_csv('htbrhs300.csv')
将csv移动到.py文件同一文件夹内
最后的运行结果是0.691，同时用阿牛数据回测得到的结果是：0.72
这个python程序不一定正确，第一次算时相关系数大于1，而且已经有前辈用excel计算过了：网页链接{手把手教你精准计算指数/基金的相关性 上篇文章介绍了怎样快速获取指数或基金的相关性，估计还有朋友会问，还有高级课程不？怎样随心所欲的统计几个指数或基金的相关性... - 雪球 (xueqiu.com)}
下载行情的教程链接：如何下载沪深300历史数据_沪指历史数据下载-CSDN博客