利用tushare获取数据，使用python根据以下要求处理数据：剔除了交易当天停牌、ST、以及涨跌停不能交易的股票;对获取的基本面数据进行了MAD（绝对中位值）去极值处理；ROE>15%；PE<=15;PEG较小的前10支股票纳入备买股票池

好的，根据你的要求，首先需要安装并引入tushare库，然后获取股票基本面数据并进行数据处理。在获取数据的过程中，我们需要注意剔除停牌、ST、涨跌停的股票，可以通过筛选条件实现。代码如下：

import tushare as ts
import pandas as pd
import numpy as np

# 获取股票基本面数据
pro = ts.pro_api()
df = pro.query('daily_basic', ts_code='', trade_date='20210528',
               fields='ts_code,trade_date,close,turnover_rate,pe,pb,total_share,total_mv,'
                      'circ_mv,roe,net_profit_ratio,eps')
# 剔除交易当天停牌、ST、以及涨跌停不能交易的股票
df = df[df['close'] != 0]
df = df[df['trade_date'] == '20210528']
df = df[df['turnover_rate'] != 0]
df = df[df['pe'] != 0]
df = df[df['pb'] != 0]
df = df[df['roe'] != 0]
df = df[df['net_profit_ratio'] != 0]
df = df[df['eps'] != 0]
df = df[(df['close'] < df['close'].rolling(window=20, min_periods=1).max() * 0.98) &
        (df['close'] > df['close'].rolling(window=20, min_periods=1).min() * 1.02)]
df = df[df['name'].str.contains('ST') == False]
df = df[df['name'].str.contains('*ST') == False]

#MAD去极值处理
def mad_method(data,rate=3):
    data_median = np.median(data)
    mad_value = np.median(np.abs(data - data_median))
    max_value = data_median + rate * mad_value
    min_value = data_median - rate * mad_value
    data[data > max_value] = max_value
    data[data < min_value] = min_value
    return data

df['roe'] = mad_method(df['roe'])
df = df[(df['roe'] > 15) & (df['pe'] <= 15)]

# 找出PEG较小的前10支股票
df['peg'] = df['pe'] / df['net_profit_ratio']
df = df.sort_values(by=['peg'], ascending=True)
stocks = df.head(10)['ts_code'].tolist()
print(stocks)

以上代码中，我们使用了mad_method函数进行MAD去极值处理，将ROE大于15%且PE小于等于15的股票筛选出来，并根据PEG大小排序，最后找出PEG较小的前10支股票作为备买股票池。