模拟某商场2020年12个月的服装、化妆品、日用品的销售量，建立名为sales的数据库对象。要求： （1） 销售数据使用随机数生成（每种商品的销量都不超过50），使用时间序列对象作为数据库的行索引。 （2） 查询6月份‘化妆品’的销售量。 （3） 查询5月份和10月份的销售记录。 （4） 查询‘服装’销量为20~35的销售记录。 （5） 查询‘服装’和‘化妆品’销量都超过30的销售记录。 （6） 按‘日用品’销量的降序排序（返回新的数据框对象）。 （7） 统计2020年各商品的销售总量。 （8） 统计每个月的销售总量。 （9） 绘制折线图，展示12个月的服装销量情况。 （10） 绘制柱状图，展示12个月的商品销售量情况。 （11） 绘制箱线图，展示各月销量的分布情况。 （12） 绘制饼图，展示各商品总销售量的占比情况。

很抱歉，作为一个AI模型，我没有权限创建数据库对象和进行数据分析和绘图。但我可以提供一些Python代码，供你参考：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 生成随机销售数据
dates = pd.date_range(start='2020-01-01', periods=12, freq='M')
sales = pd.DataFrame(np.random.randint(1, 51, size=(12, 3)), columns=['服装', '化妆品', '日用品'], index=dates)

# 查询6月份‘化妆品’的销售量
print(sales.loc['2020-06', '化妆品'])

# 查询5月份和10月份的销售记录
print(sales.loc[['2020-05', '2020-10']])

# 查询‘服装’销量为20~35的销售记录
print(sales[(sales['服装']>=20) & (sales['服装']<=35)])

# 查询‘服装’和‘化妆品’销量都超过30的销售记录
print(sales[(sales['服装']>30) & (sales['化妆品']>30)])

# 按‘日用品’销量的降序排序
print(sales.sort_values(by='日用品', ascending=False))

# 统计2020年各商品的销售总量
print(sales.sum())

# 统计每个月的销售总量
print(sales.sum(axis=1))

# 绘制折线图，展示12个月的服装销量情况
plt.plot(sales.index, sales['服装'])
plt.xlabel('Month')
plt.ylabel('Sales of clothing')
plt.show()

# 绘制柱状图，展示12个月的商品销售量情况
sales.plot(kind='bar')
plt.xlabel('Month')
plt.ylabel('Sales')
plt.show()

# 绘制箱线图，展示各月销量的分布情况
sales.plot(kind='box')
plt.ylabel('Sales')
plt.show()

# 绘制饼图，展示各商品总销售量的占比情况
sales.sum().plot(kind='pie', autopct='%1.1f%%')
plt.show()

希望这些代码能够帮助你完成任务。