请用代码统计近三年上证50etf期权的顶部和底部区间，用pe band衡量

由于数据源的不同，我无法提供完整的代码。但我可以提供一个大致的思路和实现步骤：

1. 获取上证50ETF期权的历史数据，包括价格、成交量、日期等信息。可以从一些金融数据提供商或者证券交易所获得。

2. 根据历史数据，计算出每个交易日的PE值，并将这些数据存储到一个二维数组中，其中每一行表示一个交易日，每一列表示一个PE值。

3. 根据PE值的变化，将历史数据分成多个区间（例如，每个区间包含20个交易日），并计算每个区间的最大和最小PE值。

4. 根据PE值的范围，将每个区间标记为顶部或底部。一种可能的方法是，将PE值的范围划分成三个区间：低于20为底部，高于30为顶部，介于20和30之间为中间区间。如果一个区间的最大PE值高于30，那么这个区间就被标记为顶部；如果一个区间的最小PE值低于20，那么这个区间就被标记为底部。

5. 统计过去三年内所有的顶部和底部区间，以及它们的持续时间、涨幅和跌幅等信息。

以下是一个简单的示例代码，用于演示如何计算一个PE值的移动平均和标准差：

import numpy as np

# 假设pe_data是一个二维数组，表示每个交易日的PE值
# 下面的代码将计算pe_data中每个PE值的5日移动平均和标准差

window_size = 5
pe_ma = np.zeros(len(pe_data))
pe_std = np.zeros(len(pe_data))

for i in range(window_size-1, len(pe_data)):
    pe_ma[i] = np.mean(pe_data[i-window_size+1:i+1])
    pe_std[i] = np.std(pe_data[i-window_size+1:i+1])

这个示例代码中，我们使用了numpy库中的mean()和std()函数来计算移动平均和标准差。这些函数可以很方便地处理数组和向量运算，可以大大提高计算效率。