标题：用 Python 和 AkShare 进行个股数据清洗：简易多功能方法

简介：
本文介绍了如何使用 Python 和 AkShare 库对个股数据进行清洗和处理。个股数据经常需要进行清洗以用于分析、建模或可视化。我们将介绍一些简单但功能强大的方法，包括数据加载、缺失值处理、重复值检测和处理、异常值处理等。

步骤：

1. 数据加载：使用 AkShare 获取个股数据，例如历史行情数据或实时行情数据。
2. 缺失值处理：检测并处理数据中的缺失值，可以通过填充、删除或插值等方法。
3. 重复值检测和处理：检测并处理数据中的重复值，可以通过删除重复值或合并重复值等方法。
4. 异常值处理：检测并处理数据中的异常值，可以通过截断、替换或删除异常值等方法。
5. 数据转换：根据分析需求对数据进行转换，例如数据类型转换、日期时间转换、指标计算等。
6. 数据保存：将清洗后的数据保存到文件或数据库中，以备后续分析使用。

示例代码：

import akshare as ak

# 步骤1：数据加载
stock_data = ak.stock_zh_a_daily(symbol="sh600968", start_date="2022-01-01", end_date="2022-12-31")

# 步骤2：缺失值处理
stock_data.dropna(inplace=True)

# 步骤3：重复值检测和处理
stock_data.drop_duplicates(inplace=True)

# 步骤4：异常值处理（示例：移除收盘价大于100的异常值）
stock_data = stock_data[stock_data["close"] <= 100]

# 步骤5：数据转换（示例：将日期转换为 datetime 类型）
stock_data["date"] = pd.to_datetime(stock_data["date"])

# 步骤6：数据保存
stock_data.to_csv("cleaned_stock_data.csv", index=False)

预期结果

范例一

import os
import akshare as ak
from akshare import stock_bid_ask_em
from datetime import datetime

# 初始化上一次的信息为空字典
last_stock_info = {
   }

# 个stock
def print_stock_bid_ask(symbols, output_file):
    global last_stock_info  # 声明为全局变量
    
    # 根据股票代码分类文件
    output_folder = datetime.now().strftime("%Y%m%d")
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    for symbol in symbols:
        # 获取买卖盘信息
        stock_bid_ask_em_df = stock_bid_ask_em(symbol=symbol)
        
        # TODO 优化输出格式：遍历第一行第二行，只对数据部分进行处理和转为csv格式，不序列化整个DF;
        transposed_df = stock_bid_ask_em_df.T
        transposed_df.index = [x.replace("sell_", "s").replace("buy_"