有5000支股票数据，每一行包括一只股票的股价、市盈率、市净率、当日日期等，数据包括2020-2022年，如何转换成df,df是一个DataFrame，包含多个资产的历史价格数据。每一列代表一个资产的价格序列，每一行代表一个时间点

你可以使用pandas库来读取股票数据文件，并将其转换成DataFrame。假设你的数据文件名为“stock_data.csv”，包含四列数据：股价、市盈率、市净率和日期。你可以按照以下步骤操作：

1. 导入pandas库：

import pandas as pd

2. 使用pandas库中的read_csv()函数读取数据文件：

df = pd.read_csv('stock_data.csv')

3. 使用pandas库中的pivot()函数将数据转换成DataFrame。假设你要以日期为行索引，以股票名称为列索引，以股价为数据值生成DataFrame，可以按照以下方式操作：

df = df.pivot(index='日期', columns='股票名称', values='股价')

其中，“日期”、“股票名称”和“股价”分别是你数据文件中的列名。

4. 如果你的数据文件包含多列数据（如股价、市盈率、市净率等），可以按照类似的方式将它们转换成DataFrame。例如，如果你要将股价、市盈率和市净率分别转换成DataFrame，可以按照以下方式操作：

df_price = df.pivot(index='日期', columns='股票名称', values='股价')
df_pe = df.pivot(index='日期', columns='股票名称', values='市盈率')
df_pb = df.pivot(index='日期', columns='股票名称', values='市净率')

这样，你就可以得到三个DataFrame，分别包含多个资产的历史价格、市盈率和市净率数据。