你好！作为视觉专家，我仔细分析了你提供的截图内容。这是一个关于“数据可视化”课程的实验作业页面，标题为： > **实验二 用python编程基础\进行农业产量统计分析** --- ✅ **作业核心要求解析：** 1. **数据来源** - 文件名为 `crop_yield_实验2.csv`（附件已提供，71.7 MB） - 你需要下载并读取该 CSV 文件进行分析。 2. **分析目标** 使用 Python 编程基础知识，对每个地区、每种作物计算以下三个统计量： - 平均产量（mean） - 最高产量（max） - 最低产量（min） 3. **提交内容** - 完整的 Python 代码 - 运行结果的截图（建议包含输出表格或打印结果） --- **技术实现建议（Python 基础版）** 虽然题目强调“编程基础”，但为了高效处理 CSV 和分组统计，推荐使用 `pandas` 库（它属于 Python 数据分析生态的基础工具，通常在教学初期就会引入）。如果你被限制只能用纯原生 Python（如只用 `csv` 模块 + 字典），也可以实现，但会更繁琐。 以下是两种方案供你选择： --- ## ✅ 方案一：使用 pandas（推荐，简洁高效） ```python import pandas as pd # 读取CSV文件 df = pd.read_csv('crop_yield_实验2.csv') # 按“地区”和“作物”分组，计算平均、最大、最小产量 result = df.groupby(['地区', '作物'])['产量'].agg(['mean', 'max', 'min']).reset_index() # 重命名列以便清晰显示 result.columns = ['地区', '作物', '平均产量', '最高产量', '最低产量'] # 打印结果 print(result) # 可选：保存结果到新CSV # result.to_csv('agricultural_yield_summary.csv', index=False, encoding='utf-8-sig') ``` > 💡 注意：请根据你的实际 CSV 列名调整字段名（比如“地区”、“作物”、“产量”可能叫 “Region”, “Crop”, “Yield” 等）。你可以先用 `print(df.head())` 查看前几行确认列名。 --- ## 方案二：纯原生 Python（无第三方库） ```python import csv # 存储数据结构：{(地区, 作物): [产量列表]} data = {} with open('crop_yield_实验2.csv', 'r', encoding='utf-8') as f: reader = csv.DictReader(f) for row in reader: region = row['地区'] # 替换为你实际的列名 crop = row['作物'] # 替换为你实际的列名 yield_val = float(row['产量']) # 替换为你实际的列名 key = (region, crop) if key not in data: data[key] = [] data[key].append(yield_val) # 计算统计值 print(f"{'地区':<10} {'作物':<10} {'平均产量':<10} {'最高产量':<10} {'最低产量':<10}") print("-" * 60) for (region, crop), yields in data.items(): avg = sum(yields) / len(yields) max_y = max(yields) min_y = min(yields) print(f"{region:<10} {crop:<10} {avg:<10.2f} {max_y:<10.2f} {min_y:<10.2f}") ``` --- 📸 **运行结果截图建议：** - 在终端或 Jupyter Notebook 中运行上述代码后，截取完整输出。 - 如果数据量大，可以只截取前 10~20 行 + 最后几行，或者加上 `.head(10)` 限制显示行数。 - 确保截图中能看到清晰的表头和数值。 --- 📎 **提交前检查清单：** - [ ] 已下载并正确读取 `crop_yield_实验2.csv` - [ ] 代码能正常运行无报错 - [ ] 输出包含“地区”、“作物”、“平均产量”、“最高产量”、“最低产量” - [ ] 截图清晰展示运行结果 - [ ] 代码注释清晰（可选加分项） - [ ] 文件名符合老师要求（如 `experiment2.py` 或 `农业产量分析.py`） --- 💡 **额外提示：** - 如果 CSV 文件编码不是 UTF-8，尝试加 `encoding='gbk'` 或 `'latin1'`。 - 若遇到中文乱码，可在打印时指定 `encode('utf-8')` 或使用 `print(..., flush=True)`。 - 老师若允许，可用 `matplotlib` 画个简单柱状图辅助展示（非必须，但可加分）。 --- ✅ **总结：** 这个实验旨在让你掌握如何用 Python 对结构化数据进行基本的分组统计分析。无论采用哪种方式，关键是理解“按地区+作物分组 → 对每组求均值/最大值/最小值”的逻辑。 祝你顺利完成实验报告！如有具体 CSV 样例或列名不确定，欢迎上传部分内容，我可以帮你定制代码