1.使用以下代码,在当前文件夹中生成某商场营业额模拟数据文件 data.csv。数据文件有两列,分别为“日期”和“营业额”。日期从2022-1-1开始,共365天,365条营业数据。 ``` import csv import random import datetime fn = 'data.csv' with open(fn, 'w') as fp: # 创建 csv 文件写入对象 wr = csv.writer(fp) # 写入表头 wr.writerow(['日期', '营业额']) # 生成模拟数据 startDate = datetime.date(2022, 1, 1) # 生成 365 个模拟数据 for i in range(365): # 生成一个模拟数据,写入 csv 文件 amount = 500 + i*5 + random.randrange(100) wr.writerow([str(startDate), amount]) # 下一天 startDate = startDate + datetime.timedelta(days=1) ``` 依据以上生成的模拟数据文件,完成下面的任务: (1)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)绘制折线图,显示该商场每天的营业额情况,并把图形保存为本地文件 Te.jpg; (3)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 Ye.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)按季度统计该商场 2022年的营业额数据,绘制饼状图显示2022年4个季度的营业额分布情况,并把图形保存为本地文件Je.jpg。
时间: 2024-03-08 13:49:26 浏览: 57
0.4_data_gen_生成随机数据_自动生成csv文件_数据随机生成函数_生成数据_
任务(1):
```python
import pandas as pd
import numpy as np
# 读取数据并删除缺失值
df = pd.read_csv('data.csv')
df.dropna(inplace=True)
```
任务(2):
```python
import matplotlib.pyplot as plt
# 绘制折线图
plt.plot(df['日期'], df['营业额'])
plt.title('Daily Sales')
plt.xlabel('Date')
plt.ylabel('Sales')
plt.savefig('Te.jpg')
plt.show()
```
任务(3):
```python
# 将日期列转换为DatetimeIndex对象
df['日期'] = pd.to_datetime(df['日期'])
df.set_index('日期', inplace=True)
# 按月份统计营业额
monthly_sales = df.resample('M').sum()
# 绘制柱状图
plt.bar(monthly_sales.index.strftime('%b'), monthly_sales['营业额'])
plt.title('Monthly Sales')
plt.xlabel('Month')
plt.ylabel('Sales')
plt.savefig('Ye.jpg')
plt.show()
```
任务(4):
```python
# 按月份统计营业额
monthly_sales = df.resample('M').sum()
# 计算相邻两个月的涨幅
monthly_growth = monthly_sales.pct_change()
# 找到涨幅最大的月份
max_month = monthly_growth['营业额'].idxmax().strftime('%b')
# 将最大月份写入文件
with open('maxMonth.txt', 'w') as f:
f.write(max_month)
```
任务(5):
```python
# 按季度统计营业额
quarterly_sales = df.resample('Q').sum()
# 绘制饼状图
plt.pie(quarterly_sales['营业额'], labels=['Q1', 'Q2', 'Q3', 'Q4'], autopct='%1.1f%%')
plt.title('Quarterly Sales Distribution')
plt.savefig('Je.jpg')
plt.show()
```
希望这些代码能够帮助您完成任务!如有任何问题,请随时联系我。
阅读全文