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) ``` 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: 2024-03-20 19:38:58 浏览: 48
好的,我会依次回答你的问题:
(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。
```python
import pandas as pd
# 读取csv文件并创建DataFrame对象
df = pd.read_csv('data.csv')
# 删除所有缺失值
df.dropna(inplace=True)
print(df.head())
```
(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;
```python
import matplotlib.pyplot as plt
# 绘制折线图
plt.plot(df['日期'], df['营业额'])
# 设置图形标题
plt.title('商场每天营业额情况')
# 设置横轴标签
plt.xlabel('日期')
# 设置纵轴标签
plt.ylabel('营业额')
# 保存图形
plt.savefig('Te.jpg')
# 显示图形
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;
```python
import numpy as np
# 将日期转换为月份
df['月份'] = pd.to_datetime(df['日期']).dt.strftime('%Y-%m')
# 按月份进行分组,并计算每个月的总营业额
monthly_sales = df.groupby('月份')['营业额'].sum()
# 绘制柱状图
plt.bar(monthly_sales.index, monthly_sales.values)
# 设置图形标题
plt.title('商场每月营业额情况')
# 设置横轴标签
plt.xlabel('月份')
# 设置纵轴标签
plt.ylabel('营业额')
# 设置横轴标签旋转角度
plt.xticks(rotation=45)
# 保存图形
plt.savefig('Ye.jpg')
# 显示图形
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;
```python
# 将日期转换为月份
df['月份'] = pd.to_datetime(df['日期']).dt.strftime('%Y-%m')
# 按月份进行分组,并计算每个月的总营业额
monthly_sales = df.groupby('月份')['营业额'].sum()
# 计算每个月份相邻两个月的涨幅
sales_diff = monthly_sales.diff()
# 找出涨幅最大的月份
max_month = sales_diff.idxmax()
# 将涨幅最大的月份写入文件
with open('maxMonth.txt', 'w') as f:
f.write(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。
```python
# 将日期转换为季度
df['季度'] = pd.to_datetime(df['日期']).dt.quarter
# 按季度进行分组,并计算每个季度的总营业额
quarterly_sales = df.groupby('季度')['营业额'].sum()
# 绘制饼状图
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%%')
# 设置图形标题
plt.title('商场2022年季度营业额分布情况')
# 保存图形
plt.savefig('Je.jpg')
# 显示图形
plt.show()
```
阅读全文