使用stock_basic接口，使用4个线程计算每只股票最近3个月最低价低于开盘价3%的日期，返回到一个全局变量中，全局变量要做升序排列

好的，你可以使用以下代码来实现：

import tushare as ts
import threading
import datetime

# 设置 token
ts.set_token('YOUR_TOKEN')

# 初始化 tushare
pro = ts.pro_api()

# 定义全局变量
result = []

# 获取符合条件的日期
def get_lowest_price_date(stock_code):
    # 获取最近3个月的K线数据
    end_date = datetime.datetime.now().strftime('%Y%m%d')
    start_date = (datetime.datetime.now() - datetime.timedelta(days=90)).strftime('%Y%m%d')
    df = pro.daily(ts_code=stock_code, start_date=start_date, end_date=end_date)

    # 计算每天的最低价
    df['lowest_price'] = df[['open', 'close', 'high', 'low']].min(axis=1)

    # 获取最低价低于开盘价3%的日期
    date_list = df[df['lowest_price'] < df['open'] * 0.97]['trade_date'].tolist()

    # 将结果添加到全局变量中
    result.extend([(stock_code, date) for date in date_list])

# 多线程获取数据
def get_data():
    # 获取所有股票代码
    data = pro.stock_basic(list_status='L', fields='ts_code')
    stock_codes = data['ts_code'].tolist()

    # 使用4个线程并发处理
    threads = []
    for i in range(4):
        thread = threading.Thread(target=get_lowest_price_date, args=(stock_codes[i::4],))
        threads.append(thread)
        thread.start()

    # 等待所有线程执行完毕
    for thread in threads:
        thread.join()

    # 对结果进行升序排列
    result.sort(key=lambda x: x[1])

if __name__ == '__main__':
    get_data()
    print(result)

在该代码中，我们定义了一个 `get_lowest_price_date` 函数，用来获取每只股票最近3个月最低价低于开盘价3%的日期，并将结果添加到全局变量 `result` 中。我们使用 `get_data` 函数来启动多个线程并发执行 `get_lowest_price_date` 函数，最后对 `result` 进行升序排序并输出结果。

你需要将 `YOUR_TOKEN` 替换成你的 tushare token。