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。

任务（1）：

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）：

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）：

# 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）：

# 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）：

# 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。