计算这只股票收盘价与指数收無价、股票涨缺幅与指数涨跌幅变动的皮尔森系数

要计算股票收盘价和指数收盘价之间的皮尔逊相关系数，可以使用`pandas`中的`corr`函数。以下是一个示例代码：

import pandas as pd

# Load data
stock_data = pd.read_csv('stock.csv')
index_data = pd.read_csv('index.csv')

# Merge data
merged_data = pd.merge(stock_data, index_data, on='date')

# Calculate Pearson correlation coefficient
corr_stock_index = merged_data['stock_close'].corr(merged_data['index_close'])

# Calculate Pearson correlation coefficient between change in close prices
merged_data['stock_change'] = merged_data['stock_close'].pct_change()
merged_data['index_change'] = merged_data['index_close'].pct_change()
corr_change = merged_data['stock_change'].corr(merged_data['index_change'])

# Print result
print('Pearson correlation coefficient between close prices:', corr_stock_index)
print('Pearson correlation coefficient between change in close prices:', corr_change)

在这个示例中，我们首先加载股票和指数的收盘价数据，并将它们合并到一个数据帧中。然后，我们使用`corr`函数计算`stock_close`列和`index_close`列之间的皮尔逊相关系数，并将结果存储在`corr_stock_index`变量中。

接下来，我们计算股票收盘价和指数收盘价变化之间的相关系数。我们首先使用`pct_change`函数计算每个时间点的收盘价变化，然后使用`corr`函数计算这些变化之间的相关系数，并将结果存储在`corr_change`变量中。

最后，我们打印出两个相关系数的结果。请注意，这只是一个基本的示例，实际应用中可能需要进行更多的数据预处理和分析。