给出上述代码和运行结果

很抱歉，因为我无法获取您的本地数据，无法给出完整的代码和运行结果。但我可以提供一个示例代码，您可以将其适当修改以适应你的数据和需求：

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv("stock_data.csv")

# 数据清洗和处理
df.dropna(inplace=True)
df["date"] = pd.to_datetime(df["date"])
df.set_index("date", inplace=True)

# 数据分析
df["price_change"] = df["price"].pct_change()
df["ma10"] = df["price"].rolling(10).mean()
df["ma30"] = df["price"].rolling(30).mean()
df["vol_change"] = df["volume"].pct_change()

# 数据可视化
fig, axs = plt.subplots(nrows=2, ncols=1, figsize=(10, 8))
axs[0].plot(df.index, df["price"], label="Price")
axs[0].plot(df.index, df["ma10"], label="MA10")
axs[0].plot(df.index, df["ma30"], label="MA30")
axs[0].set_ylabel("Price")
axs[0].legend()
axs[1].bar(df.index, df["vol_change"])
axs[1].set_ylabel("Volume Change")
axs[1].set_xlabel("Date")
plt.show()

这段代码可以读取名为"stock_data.csv"的数据文件，并进行数据清洗、处理、分析和可视化。其中，我们计算了股票价格的涨跌幅、10天和30天的移动平均线，以及交易量的变化率，并使用Matplotlib库绘制了价格和移动平均线的折线图，以及交易量变化的柱状图。您可以根据自己的数据和需求，修改代码中的数据读取、清洗、处理、分析和可视化部分，以获得您需要的结果。