我目前是新的StackOverflow，我需要你的专业知识，就以下事项。我目前正试图创建一个函数，加载数据，并将其转换为 Dataframe 使用Pandas，但雅虎金融的问题是，不是所有的股票代码（符号）对于所有的股票都可以加载数据，所以需要通过100、000的股票，丢弃不起作用的股票，使用起作用的股票。我想找到一种方法来优化这个函数，但目前，我无法处理超过1，000股票每小时只使用我的CPU。我试图改变功能和优化最好的，因为我可以，但这是我能做的最多，也使用GPU来处理它（这是一个失败的尝试，因为使用GPU在这是不可能的。）

def findAllCorrWithSelectStock(selectStock,listOfStock,start,end,newList):
list_withCorr = []
working_List = []
chosenAsset = web.DataReader([selectStock],'yahoo',start,end)['Adj Close']
for stock in listOfStock:   
# Set DataFrame as the Stock Ticker

    try:

        temp = web.DataReader(stock,'yahoo',start,end)['Adj Close']      

        closing_df = pd.merge(temp, chosenAsset, left_index=True, right_index=True).rename(columns={'Adj Close': stock})
        x = closing_df.corr().iloc[0][selectStock]
        if math.isnan(x) :
            pass
        else:

            list_withCorr.append((stock,closing_df.corr().iloc[0][selectStock]))
            newList.append(stock)

    except:
        pass

srt = sorted(list_withCorr,key=lambda x: x[1], reverse=True)
return srt

这个问题对于重复加载和比较数据的循环来说是重复的。该函数将生成一个最佳相关股票的排名。任何帮助都将不胜感激，如果有任何问题或担心，我引起了你们，我很抱歉提前。