紫茄子2、青茄子1、紫圆茄、大龙茄子、花茄子、长线茄、青茄子2、紫茄子1、圆茄子1、圆茄子2销量分别为13602001、3516763、7658、1167218、101379、2496413、190522、297158、4981、1047689千克用python将他们进行相关分布规律分析。

可以使用Python中的numpy和matplotlib库来进行相关分布规律分析。首先，我们需要将数据存储在一个numpy数组中，然后使用matplotlib库中的函数绘制相关图表。

首先，导入所需的库：

import numpy as np
import matplotlib.pyplot as plt

然后，创建一个numpy数组，将销量数据存储在其中：

sales = np.array([13602.001, 3516.763, 7.658, 1167.218, 101.379, 2496.413, 190.522, 297.158, 4.981, 1047.689])

接下来，可以使用numpy中的排序函数对销量进行排序，并将排序后的数组存储在一个新的变量中：

sorted_sales = np.sort(sales)

然后，可以使用matplotlib库中的函数绘制直方图来观察销量的分布情况：

plt.hist(sorted_sales, bins=5)
plt.xlabel('Sales')
plt.ylabel('Frequency')
plt.title('Sales Distribution')
plt.show()

这将绘制一个直方图，横轴表示销量，纵轴表示频率。

另外，可以使用matplotlib库中的函数绘制销量的累积分布图：

plt.plot(np.arange(1, len(sorted_sales)+1), sorted_sales.cumsum())
plt.xlabel('Rank')
plt.ylabel('Cumulative Sales')
plt.title('Cumulative Sales Distribution')
plt.show()

这将绘制一个曲线图，横轴表示排名，纵轴表示累积销量。

通过观察直方图和累积分布图，可以得到销量的分布规律。