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) copy 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。

以下是代码实现：

import pandas as pd
import matplotlib.pyplot as plt

# （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。
df = pd.read_csv('data.csv')
df.dropna(inplace=True)

# （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；
plt.plot(df['日期'], df['营业额'])
plt.xlabel('日期')
plt.ylabel('营业额')
plt.title('每天营业额情况')
plt.savefig('Te.jpg')
plt.show()

# （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；
df['月份'] = pd.to_datetime(df['日期']).dt.month
monthly_sales = df.groupby('月份')['营业额'].sum()
plt.bar(monthly_sales.index, monthly_sales.values)
plt.xlabel('月份')
plt.ylabel('营业额')
plt.title('每月营业额情况')
plt.savefig('Ye.jpg')
plt.show()

# （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；
df['月涨幅'] = df['营业额'].diff()
max_increase = df.groupby('月份')['月涨幅'].max()
max_month = max_increase.idxmax()
with open('maxMonth.txt', 'w') as f:
    f.write(str(max_month))

# （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。
df['季度'] = pd.to_datetime(df['日期']).dt.quarter
quarterly_sales = df.groupby('季度')['营业额'].sum()
plt.pie(quarterly_sales.values, labels=['第一季度', '第二季度', '第三季度', '第四季度'], autopct='%1.1f%%')
plt.title('2022年季度营业额分布情况')
plt.savefig('Je.jpg')
plt.show()

注意事项：

1. 在运行代码前，确保已经生成了 data.csv 文件。
2. 生成的图片文件 Te.jpg、Ye.jpg、Je.jpg 和 maxMonth.txt 会保存在当前文件夹中。