def statistics_of_all(code_dic): """ @参数 code_dic：股票代码与股票名字字典。 统计各股票数据文件涨跌幅、总成交量、最高价和最低价。 涨跌幅计算公式为：(最新记录收盘价-最早记录收盘价) / 最早记录收盘价 * 100 为方便处理，读入数据时，略过日期列。 """ statistics_of_stock = pd.DataFrame() for code in code_dic.keys(): data_of_code = pd.read_csv(filepath + code+".csv", dtype=None,usecols=[3, 4, 5, 6,10,11], delimiter=',') # 计算当前股票涨跌幅、最高价和最低价 if not data_of_code.empty: uplift_or_fall=(data_of_code.iloc[0,CLOSE]-data_of_code.iloc[-1,CLOSE])/data_of_code.iloc[0,CLOSE]*100#计算股票的涨跌幅 #1 计算股票的最高价 #2 计算股票的最低价 #3 将每支股票的股票代码、涨跌幅、最高价、最低价存入DataFrame return statistics_of_stock # 每支股票涨跌幅、总成交量、最高价和最低价，DataFrame类型

这段代码实现了统计各股票数据文件涨跌幅、总成交量、最高价和最低价的功能。具体实现步骤如下：

1. 定义了一个名为 `statistics_of_all` 的函数，该函数接收一个参数 `code_dic`，代表股票代码与股票名字的字典。
2. 在函数内部，先创建了一个名为 `statistics_of_stock` 的空 DataFrame。
3. 使用 `for` 循环遍历 `code_dic` 中的每个股票代码，依次读取该股票对应的数据文件。
4. 对于每个股票，先判断其数据文件是否为空，如果为空则跳过该股票。
5. 如果数据文件不为空，则计算该股票的涨跌幅、最高价和最低价，并将这些数据存入一个 DataFrame 中。
6. 最终将所有股票的数据整合成一个 DataFrame，并返回。

需要注意的是，这段代码中使用了一个名为 `CLOSE` 的常量，但是在代码中并没有定义该常量，因此需要确保其它部分的代码已经定义了该常量。