按照下列各题的要求，用python的扩展库分别编写5个程序。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。 python 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。

程序1：读取数据文件并创建DataFrame对象，并删除其中所有缺失值

import pandas as pd

# 读取数据文件
df = pd.read_csv('data.csv')
# 删除所有缺失值
df.dropna(inplace=True)

程序2：绘制每天的营业额折线图，并保存为本地文件

import matplotlib.pyplot as plt

# 绘制折线图
plt.plot(df['日期'], df['营业额'])
# 添加标题和标签
plt.title('每天的营业额情况')
plt.xlabel('日期')
plt.ylabel('营业额')
# 保存图像到本地文件
plt.savefig('Te.jpg')
# 显示图像
plt.show()

程序3：绘制每个月份的营业额柱状图，并保存为本地文件

import matplotlib.pyplot as plt

# 按月份分组，并计算每个月份的总营业额
monthly_sales = df.groupby(df['日期'].str.slice(0, 7))['营业额'].sum()
# 绘制柱状图
monthly_sales.plot(kind='bar')
# 添加标题和标签
plt.title('每个月份的营业额')
plt.xlabel('月份')
plt.ylabel('营业额')
# 保存图像到本地文件
plt.savefig('Ye.jpg')
# 显示图像
plt.show()

程序4：统计相邻两个月份最大涨幅，并写入文件maxMonth.txt

# 按月份分组，并计算每个月份的总营业额
monthly_sales = df.groupby(df['日期'].str.slice(0, 7))['营业额'].sum()
# 计算每个月份的涨幅
monthly_growth = monthly_sales.pct_change()
# 找到最大涨幅的索引
max_growth_index = monthly_growth.abs().argmax()
# 获取相邻两个月份的名称
max_growth_months = monthly_growth.index[max_growth_index-1:max_growth_index+1]
# 将结果写入文件
with open('maxMonth.txt', 'w') as f:
    f.write(max_growth_months[0] + ' 和 ' + max_growth_months[1] + ' 涨幅最大')

程序5：统计2022年4个季度的营业额数据，并绘制饼状图，保存为本地文件Je.jpg

import matplotlib.pyplot as plt

# 按季度分组，并计算每个季度的总营业额
quarterly_sales = df.groupby(pd.PeriodIndex(df['日期'], freq='Q'))['营业额'].sum()
# 绘制饼状图
quarterly_sales.plot(kind='pie', autopct='%1.1f%%')
# 添加标题和标签
plt.title('2022年4个季度的营业额分布情况')
plt.xlabel('')
plt.ylabel('')
# 保存图像到本地文件
plt.savefig('Je.jpg')
# 显示图像
plt.show()