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。

下面是实现以上任务的Python代码：

import pandas as pd
import matplotlib.pyplot as plt
import datetime

# 读取CSV文件并删除缺失值
df = pd.read_csv('data.csv')
df.dropna(inplace=True)

# 将日期列转换为datetime类型
df['日期'] = pd.to_datetime(df['日期'])

# 绘制每天的营业额折线图并保存
plt.figure()
plt.plot(df['日期'], df['营业额'])
plt.savefig('Te.jpg')

# 按月份计算营业额并绘制柱状图并保存
df_monthly = df.groupby(df['日期'].dt.month)['营业额'].sum()
plt.figure()
plt.bar(df_monthly.index, df_monthly.values)
plt.savefig('Ye.jpg')

# 计算相邻两个月份的最大涨幅并保存最大涨幅月份
max_increase = 0
max_month = ''
for i in range(1, 12):
    increase = df_monthly[i+1] - df_monthly[i]
    if increase > max_increase:
        max_increase = increase
        max_month = str(i) + '-' + str(i+1)
with open('maxMonth.txt', 'w') as f:
    f.write(max_month)

# 按季度计算营业额并绘制饼状图并保存
df_quarterly = df.groupby(df['日期'].dt.quarter)['营业额'].sum()
plt.figure()
labels = ['Q1', 'Q2', 'Q3', 'Q4']
plt.pie(df_quarterly.values, labels=labels, autopct='%1.1f%%')
plt.savefig('Je.jpg')

这段代码首先使用pandas读取data.csv文件，并删除其中所有缺失值。然后，将日期列转换为datetime类型，并分别按天、月和季度计算营业额。随后，使用matplotlib绘制折线图、柱状图和饼状图，并将它们保存为本地文件。最后，计算相邻两个月份的最大涨幅，并将最大涨幅月份写入文件maxMonth.txt。