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) copy 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: 2024-03-13 10:47:48 浏览: 26
这是一道比较复杂的编程题目,需要使用 Python 的 pandas、matplotlib 和 os 库来完成。以下是完整的代码解答:
```python
import csv
import random
import datetime
import pandas as pd
import matplotlib.pyplot as plt
import os
# 生成模拟数据
fn = 'data.csv'
with open(fn, 'w') as fp:
wr = csv.writer(fp)
wr.writerow(['日期', '营业额'])
startDate = datetime.date(2022, 1, 1)
for i in range(365):
amount = 500 + i*5 + random.randrange(100)
wr.writerow([str(startDate), amount])
startDate = startDate + datetime.timedelta(days=1)
# 读取数据文件,创建 DataFrame 对象,并删除其中所有缺失值
df = pd.read_csv('data.csv')
df = df.dropna()
# 绘制折线图,显示每天的营业额情况,并保存为本地文件 Te.jpg
plt.plot(df['日期'], df['营业额'])
plt.xlabel('日期')
plt.ylabel('营业额')
plt.savefig('Te.jpg')
plt.show()
# 绘制柱状图,显示每个月份的营业额,并保存为本地文件 Ye.jpg
df['月份'] = pd.to_datetime(df['日期']).dt.month
df_month = df.groupby('月份').sum()
plt.bar(df_month.index, df_month['营业额'])
plt.xlabel('月份')
plt.ylabel('营业额')
plt.savefig('Ye.jpg')
plt.show()
# 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
df_month['涨幅'] = df_month['营业额'].diff()
max_index = df_month['涨幅'].abs().idxmax()
max_month = df_month.index[max_index]
with open('maxMonth.txt', 'w') as f:
f.write(str(max_month))
# 按季度统计营业额,并绘制饼状图显示2022年4个季度的营业额分布情况,保存为本地文件 Je.jpg
df['季度'] = pd.to_datetime(df['日期']).dt.quarter
df_quarter = df.groupby('季度').sum()
plt.pie(df_quarter['营业额'], labels=['Q1', 'Q2', 'Q3', 'Q4'], autopct='%1.1f%%')
plt.title('2022年营业额季度分布')
plt.savefig('Je.jpg')
plt.show()
# 删除数据文件
os.remove('data.csv')
```
注意:需要在代码所在目录下保证有写文件的权限,否则会报错。