已经有了图书借阅记录的数据文件lending.dat，每个记录中包括了如下信息：uid，bid，title，date，结合图书借阅记录，查询每年借的最多的五本书及其次数

可以使用Python中的pandas库和datetime库来处理这个问题。

首先，读取lending.dat文件并将其转换成DataFrame格式：

import pandas as pd
df = pd.read_csv('lending.dat', sep='\t', names=['uid', 'bid', 'title', 'date'])

接下来，将日期转换成年份，并且计算每年每本书的借阅次数：

df['year'] = pd.to_datetime(df['date']).dt.year
df_year_book_count = df.groupby(['year', 'bid']).size().reset_index(name='count')

然后，找到每年借阅次数最多的五本书：

top5_books = []
for year in df_year_book_count['year'].unique():
    df_year = df_year_book_count[df_year_book_count['year'] == year]
    df_year_sorted = df_year.sort_values('count', ascending=False).head(5)
    top5_books.append(df_year_sorted)
top5_books = pd.concat(top5_books, ignore_index=True)

最后，输出结果：

print(top5_books)

输出结果应该类似于这样：

   year         bid  count
0  2018  9787544278     10
1  2018  9787108000      9
2  2018  9787550014      7
3  2018  9787108031      6
4  2018  9787108055      6
5  2019  9787544278     15
6  2019  9787540485     12
7  2019  9787540461     10
8  2019  9787550014      9
9  2019  9787562455      9
...

其中，每一行代表一本书在某一年的借阅次数。对于每年，前五本书按照借阅次数从高到低排列。