使用Python，Tushare提供2随便个接口，不用pro接口，对获取到的经济金融数据的进行简单的趋势分析、描述性分析 将获取到的数据储存为.csv后缀的文件，利用matplotlib进行金融大数据可视化分析。完整可使用的一份代码。每一行都提供注释。

你好，感谢你的提问！以下是代码示例：

import tushare as ts
import pandas as pd
import matplotlib.pyplot as plt

# 获取股票交易数据
data = ts.get_hist_data('600123', start='2021-01-01', end='2021-12-31')
# 将数据按照日期升序排列
data = data.sort_index()

# 计算每日涨跌幅
data['pct_change'] = data['close'].pct_change()

# 描述性统计分析
print(data[['close', 'pct_change']].describe())

# 保存数据为CSV文件
data.to_csv('stock_data.csv')

# 可视化分析
plt.figure(figsize=(10, 5))
plt.plot(data['close'])
plt.title('Stock Price Trend')
plt.xlabel('Date')
plt.ylabel('Price')
plt.show()

plt.figure(figsize=(10, 5))
plt.hist(data['pct_change'], bins=50)
plt.title('Daily Return Distribution')
plt.xlabel('Return')
plt.ylabel('Frequency')
plt.show()

这段代码使用了Tushare提供的Python API获取股票交易数据，然后进行了简单的趋势分析和描述性分析。具体步骤如下：

1. 使用`ts.get_hist_data()`函数获取股票交易数据，其中`start`和`end`参数指定了数据的时间范围，`'600123'`是股票代码。
2. 使用`sort_index()`函数将数据根据日期升序排列。
3. 计算每日涨跌幅，即当日收盘价相对于前一日收盘价的变化百分比。
4. 使用`describe()`函数对收盘价和涨跌幅进行描述性统计分析，包括均值、标准差、最大值、最小值等。
5. 使用`to_csv()`函数将数据保存为CSV文件。
6. 使用Matplotlib对股票价格和涨跌幅进行可视化分析，绘制折线图和直方图。

以上代码仅供参考，具体实现方式可能因数据源、分析目的等因素有所差异。希望能帮到你，有任何疑问可随时提问哟！