模拟某商场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： （1） 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。 （2） 查询6月份‘化妆品’的销售量。 （3） 查询5月份和10月份的销售记录。 （4） 查询‘服装’销量为20~35的销售记录。 （5） 查询‘服装’和‘化妆品’销量都超过30的销售记录。 （6） 按‘日用品’销量的降序排序（返回新的数据框对象）。 （7） 统计2020年各商品的销售总量。 （8） 统计每个

月份各商品的销售总量。

(1) 代码实现：

import numpy as np
import pandas as pd

# 生成随机销售数据
sales_data = np.random.randint(1, 51, size=(12, 3))
dates = pd.date_range('2020-01-01', periods=12, freq='M')
sales = pd.DataFrame(sales_data, index=dates, columns=['服装', '化妆品', '日用品'])

print('销售数据：')
print(sales)

(2) 代码实现：

# 查询6月份‘化妆品’的销售量
june_sales = sales.loc['2020-06', '化妆品']
print('6月份‘化妆品’的销售量：')
print(june_sales)

(3) 代码实现：

# 查询5月份和10月份的销售记录
may_oct_sales = sales.loc[['2020-05', '2020-10'], :]
print('5月份和10月份的销售记录：')
print(may_oct_sales)

(4) 代码实现：

# 查询‘服装’销量为20~35的销售记录
selected_sales = sales[(sales['服装'] >= 20) & (sales['服装'] <= 35)]
print('‘服装’销量为20~35的销售记录：')
print(selected_sales)

(5) 代码实现：

# 查询‘服装’和‘化妆品’销量都超过30的销售记录
selected_sales = sales[(sales['服装'] > 30) & (sales['化妆品'] > 30)]
print('‘服装’和‘化妆品’销量都超过30的销售记录：')
print(selected_sales)

(6) 代码实现：

# 按‘日用品’销量的降序排序
sorted_sales = sales.sort_values('日用品', ascending=False)
print('按‘日用品’销量的降序排序：')
print(sorted_sales)

(7) 代码实现：

# 统计2020年各商品的销售总量
sum_by_product = sales.sum()
print('2020年各商品的销售总量：')
print(sum_by_product)

(8) 代码实现：

# 统计每个月份各商品的销售总量
sum_by_month = sales.sum(axis=1)
print('每个月份各商品的销售总量：')
print(sum_by_month)