使用pandas读取文件data.csv中的数据，创建DataFrame对象，并删除其中所有缺失值。 （2）使用matplotlib生成折线图，反映该饭店每天的营业额情况，并把图形保存为本地文件first.jpg。 （3）按月份进行统计，使用matplotlib绘制柱状图显示每个月份的营业额，并把图形保存为本地文件second.jpg。 （4）按月份进行统计，找出相邻两个月最大涨幅，并把涨幅最大的月份写入文件maxMonth.txt。 （5）按季度统计该饭店2017年的营业额数据，使用matplotlib生成饼状图显示2017年4个季度的营业额分布情况，并把图形保存为本地文件third.jpg。

好的，这是一道数据处理的问题，需要使用Python中的pandas和matplotlib库进行处理。以下是代码实现：

import pandas as pd
import matplotlib.pyplot as plt

# (1) 读取数据并删除缺失值
df = pd.read_csv('data.csv')
df = df.dropna()

# (2) 生成折线图并保存为本地文件
plt.plot(df['date'], df['sales'])
plt.xlabel('Date')
plt.ylabel('Sales')
plt.savefig('first.jpg')

# (3) 按月份统计营业额并生成柱状图
df['month'] = pd.to_datetime(df['date']).dt.month
monthly_sales = df.groupby('month')['sales'].sum()
plt.bar(monthly_sales.index, monthly_sales.values)
plt.xlabel('Month')
plt.ylabel('Sales')
plt.savefig('second.jpg')

# (4) 找出相邻两个月最大涨幅，并写入文件
max_increase = 0
max_month = 0
for i in range(1, 12):
    increase = monthly_sales[i] - monthly_sales[i-1]
    if increase > max_increase:
        max_increase = increase
        max_month = i
with open('maxMonth.txt', 'w') as f:
    f.write(str(max_month))

# (5) 按季度统计营业额并生成饼状图
df['quarter'] = pd.to_datetime(df['date']).dt.quarter
quarterly_sales = df.groupby('quarter')['sales'].sum()
labels = ['Q1', 'Q2', 'Q3', 'Q4']
plt.pie(quarterly_sales.values, labels=labels, autopct='%1.1f%%')
plt.title('2017 Sales by Quarter')
plt.savefig('third.jpg')

需要注意的是，文件路径需要根据实际情况进行修改。