第一次发帖，多多包涵。
利用“研究”做了各个指数的PE计算（等权重）。
结果如下。供大家参考。
2016-2-28更新，增加研究分享。
2016-6-26: @scc 的 帖子更全面，

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport bisect#指定日期的指数PE（等权重）def get_index_pe_date(index_code,date):stocks = get_index_stocks(index_code, date)q = query(valuation).filter(valuation.code.in_(stocks))df = get_fundamentals(q, date)if len(df)>0:pe = len(df)/sum([1/p if p>0 else 0 for p in df.pe_ratio])return peelse:return float('NaN')#指数历史PEdef get_index_pe(index_code):start='2005-1-1'end = pd.datetime.today();dates=[]pes=[]for d in pd.date_range(start,end,freq='M'): #频率为月dates.append(d)pes.append(get_index_pe_date(index_code,d))return pd.Series(pes, index=dates)all_index = get_all_securities(['index'])index_choose =['000016.XSHG',   '000010.XSHG',   '000300.XSHG',   '000905.XSHG',   '399001.XSHE',   '399330.XSHE',   '399005.XSHE',   '399006.XSHE',   '000990.XSHG',   '000991.XSHG',   '000992.XSHG',   '000993.XSHG',   '000827.XSHG',   '000985.XSHG'  ]df_pe = pd.DataFrame()for code in index_choose:print u'正在处理: ',codedf_pe[code]=get_index_pe(code)today= pd.datetime.today()results=[]for code in index_choose:pe = get_index_pe_date(code,today)q_pes = [df_pe.quantile(i/10.0)[code]  for i in range(11)]idx = bisect.bisect(q_pes,pe)quantile = idx-(q_pes[idx]-pe)/(q_pes[idx]-q_pes[idx-1])index_name = all_index.ix[code].display_nameresults.append([index_name,'%.2f'% pe,'%.2f'% (quantile*10)]+['%.2f'%q  for q in q_pes]+[df_pe[code].count()])df_pe.columns=np.array(results)[:,0]df_pe.plot(figsize=(12,10))columns=[u'名称',u'当前PE',u'分位点%',u'最小PE']+['%d%%'% (i*10) for i in range(1,10)]+[u'最大PE' , u"数据个数"]df = pd.DataFrame(data=results,index=index_choose,columns=columns)df

正在处理:  000016.XSHG
正在处理:  000010.XSHG
正在处理:  000300.XSHG
正在处理:  000905.XSHG
正在处理:  399001.XSHE
正在处理:  399330.XSHE
正在处理:  399005.XSHE
正在处理:  399006.XSHE
正在处理:  000990.XSHG
正在处理:  000991.XSHG
正在处理:  000992.XSHG
正在处理:  000993.XSHG
正在处理:  000827.XSHG
正在处理:  000985.XSHG