根据提供的“sales.csv”数据集，利用一元线性回归方法，设计程序代码，绘制“SALE PRICE”与“GROSS SQUARE FEET”之间的关系图。

首先，你需要安装一些必要的Python库，如pandas用于数据处理，matplotlib用于绘图，以及numpy辅助计算。假设数据集中列名分别为"Sale Price"和"Gross Square Feet"，下面是使用Python完成这个任务的基本步骤：

# 导入所需的库
import pandas as pd
import matplotlib.pyplot as plt

# 加载数据
df = pd.read_csv('sales.csv')

# 确保 "Sale Price" 和 "Gross Square Feet" 列存在
assert 'Sale Price' in df.columns and 'Gross Square Feet' in df.columns, "列名错误，确认文件中包含 'Sale Price' 和 'Gross Square Feet'"

# 数据清洗和预处理（如有需要）
df = df.dropna()  # 删除缺失值

# 使用一元线性回归模型
from sklearn.linear_model import LinearRegression
X = df['Gross Square Feet'].values.reshape(-1, 1)  # 将 "Gross Square Feet" 列转换为二维数组
y = df['Sale Price'].values  # 目标变量
model = LinearRegression()
model.fit(X, y)

# 计算并绘制拟合直线
slope = model.coef_[0]
intercept = model.intercept_
line = slope * X + intercept
plt.plot(X, line, color='red', label='Linear Regression Line')

# 绘制散点图
plt.scatter(X, y, color='blue', label='Data Points')
plt.xlabel('Gross Square Feet')
plt.ylabel('Sale Price')
plt.title('Relationship between Sale Price and Gross Square Feet')
plt.legend()

# 显示图形
plt.show()