文件“超市营业额2score.xlsx”中存放了某超市的商品营业数据 (1) 编程实现：查看单日交易总额最小的6天的交易数据，比查看这几天是星期几。 (2) 编程实现：把每位员工的交易额数据写入文件“员工销售数据统计.xlsx”，每位员工的

(1) 查看单日交易总额最小的6天的交易数据，比查看这几天是星期几。 ```python import pandas as pd # 读取数据 df = pd.read_excel('超市营业额2score.xlsx') # 计算每天的交易总额 daily_sales = df.groupby('日期')['销售金额'].sum() # 找到交易总额最小的6天 min_days = daily_sales.nsmallest(6).index # 输出这些天的交易数据和星期几 for day in min_days: print(f"日期：{day}，交易总额：{daily_sales[day]}，星期几：{pd.Timestamp(day).day_name()}") ``` (2) 把每位员工的交易额数据写入文件“员工销售数据统计.xlsx”，每位员工的数据占一个工作表（worksheet），每个工作表以员工姓名命名，表结构同“超市营业额2.xlsx”一样。 ```python import pandas as pd # 读取数据 df = pd.read_excel('超市营业额2score.xlsx') # 按员工姓名分组 grouped = df.groupby('收银员') # 创建Excel文件 writer = pd.ExcelWriter('员工销售数据统计.xlsx') # 遍历每个员工的数据，写入对应的工作表 for name, group in grouped: group.to_excel(writer, sheet_name=name, index=False) # 保存Excel文件 writer.save() ``` (3) 绘制饼状图展示每月每个柜台营业额的在交易总额中的比例。 ```python import pandas as pd import matplotlib.pyplot as plt # 读取数据 df = pd.read_excel('超市营业额2score.xlsx') # 按月份和柜台名称分组，计算每组的销售金额总和 grouped = df.groupby(['月份', '柜台名称'])['销售金额'].sum() # 计算每月