给出具体python代码，

由于这是一个较为复杂的问题，需要进行大量的数据处理和计算，因此代码比较长，我无法在这里完整地呈现。不过，我可以为您提供一个大致的思路和参考代码，供您参考。

首先，需要准备好三个数据文件：月收益率数据、月流通市值数据和月市盈率数据。这些数据可以从股票数据网站或者金融数据提供商处获取，一般为CSV格式。以下代码假设这三个数据文件分别为"returns.csv"、"market_cap.csv"和"pe_ratio.csv"，并且已经将它们读入到了Pandas的DataFrame中。

import pandas as pd
import numpy as np

# 读入月收益率、月流通市值和月市盈率数据
returns = pd.read_csv('returns.csv', index_col=0)
market_cap = pd.read_csv('market_cap.csv', index_col=0)
pe_ratio = pd.read_csv('pe_ratio.csv', index_col=0)

# 将数据按照月份和股票代码进行匹配
data = pd.concat([returns, market_cap, pe_ratio], axis=1)

# 定义分组数量
n_groups = 5

# 按照市值进行排序并分组
data['market_cap_group'] = pd.qcut(data['market_cap'], n_groups, labels=False)

# 按照盈利价格比进行排序并分组
data['pe_ratio_group'] = pd.qcut(1 / data['pe_ratio'], n_groups, labels=False)

# 对于每个市值-盈利价格比组合，计算该组合中所有股票的月平均收益率
grouped = data.groupby(['market_cap_group', 'pe_ratio_group'])['returns'].mean()

# 对于每个市值组，将该组内所有盈利价格比组合的月平均收益率求平均，得到该市值组的月平均收益率
grouped_market_cap = grouped.groupby('market_cap_group').mean()

# 对于所有市值组，将它们的月平均收益率进行加权平均，得到整个股市的月平均收益率
weights = market_cap.groupby(market_cap.index)['market_cap'].last()
weights = weights / weights.sum()
market_avg_return = (grouped_market_cap * weights).sum()

以上代码首先读入月收益率、月流通市值和月市盈率数据，并将它们按照月份和股票代码进行匹配。然后，使用`pd.qcut()`函数对市值和盈利价格比进行分组，分成5组。接着，使用`groupby()`函数计算每个市值-盈利价格比组合的月平均收益率，并按照市值进行分组，计算每个市值组的月平均收益率。最后，使用加权平均方法计算整个股市的月平均收益率。

需要注意的是，以上代码只是一个大致的思路和参考代码，实际上还有很多细节需要处理，例如缺失值、异常值和数据清洗等问题。另外，对于不同的排序方法和分组数量，可能需要进行适当的修改。