有一份电商销售数据，包含以下字段，含义如下: event_time，交易时间 order_id，订单id product_id，商品id category_id，类别id category_code，类别代码 brand，品牌 price, 价格 user_id, 用户id age，年龄 sex，性别 local，地理位置。用python代码完成一下消费的年龄信息 年龄分布比例 不同年龄下，总消费金额 不同年龄下，单次消费的平均消费金额 不同年龄人群使用的品牌分布画图

假设数据已经存储在一个名为"sales_data.csv"的文件中，可以使用以下代码来完成任务：

import pandas as pd
import matplotlib.pyplot as plt

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

# 年龄分布比例
age_distribution = sales_data["age"].value_counts(normalize=True)
print("年龄分布比例：")
print(age_distribution)

# 不同年龄下，总消费金额
total_spending_by_age = sales_data.groupby("age")["price"].sum()
print("不同年龄下，总消费金额：")
print(total_spending_by_age)

# 不同年龄下，单次消费的平均消费金额
avg_spending_by_age = sales_data.groupby("age")["price"].mean()
print("不同年龄下，单次消费的平均消费金额：")
print(avg_spending_by_age)

# 不同年龄人群使用的品牌分布画图
brand_distribution_by_age = pd.crosstab(sales_data["age"], sales_data["brand"])
brand_distribution_by_age.plot(kind="bar", stacked=True)
plt.title("不同年龄人群使用的品牌分布")
plt.xlabel("年龄")
plt.ylabel("数量")
plt.show()

注意：以上代码只是一个示例，具体实现依赖于数据的具体情况。