模拟商场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

好的，我理解了你的问题。为了回答你的问题，我需要使用Python语言和一些常用的数据科学库，如pandas和numpy。

首先，我们需要生成服装、化妆品和日用品的销售数据。我们可以使用numpy库的随机数生成器来模拟销售数据。为了方便起见，我们假设每个月有30天，每天最多销售50件商品。我们使用下面的代码来生成销售数据：

import numpy as np

sales_data = np.random.randint(0, 50, size=(12, 30, 3))

这将生成一个形状为（12，30，3）的三维数组，其中12表示12个月，30表示每个月有30天，3表示三种商品。数组中的每个元素都是0到50之间的随机整数。

接下来，我们需要使用pandas库创建一个名为sales的数据框对象，并使用时间序列对象作为行索引。我们可以使用pandas的date_range函数来生成时间序列对象，如下所示：

import pandas as pd

date_index = pd.date_range(start='2020-01-01', end='2020-12-31')

这将生成一个从2020年1月1日到2020年12月31日的时间序列对象。接下来，我们可以使用这个时间序列对象作为数据框的行索引，并将销售数据分配给数据框的值，如下所示：

sales = pd.DataFrame(sales_data.reshape(12*30, 3), index=date_index, columns=['clothing', 'cosmetics', 'daily_use'])

这将生成一个名为sales的数据框对象，其中每行代表一个日期，每列代表一种商品，每个元素代表在该日期销售的数量。

最后，我们可以使用以下代码将这个数据框保存到名为sales.csv的CSV文件中：

sales.to_csv('sales.csv')

现在我们已经生成了名为sales的数据库对象，其中包含了2020年12个月的服装、化妆品和日用品的销售量。