对weatherdata.csv里的数据进行筛选，选出自己所在省份（直辖市）的数据，完成以下要求： 计算其每个地区当天的平均温度、湿度，在一张柱状图上表示出来 筛选出每个地区当天的（最高位温、最高湿度）和（最低温，最低湿度），画出其散点图。最高一张，最低一张

针对你提供的 `weatherdata.csv` 文件中的数据，如果你想要筛选出特定省份（直辖市）的数据并完成这些分析，你可以按照以下步骤操作：

1. 首先，读取数据到一个名为 `df` 的 pandas DataFrame 中：

import pandas as pd

data = pd.read_csv('D:\python作业\weatherdata.csv', encoding='utf-8')

2. 筛选你感兴趣的省份（直辖市）的数据。假设你的省份名是 `'province_name'`，你可以使用条件索引来选择：

interested_province = df[df['province'] == 'province_name']

3. 计算每个地区的平均温度和湿度：

average_temp_humidity = interested_province.groupby('area')[['temperature', 'humidity']].mean()

4. 创建柱状图，展示平均温度和湿度：

average_temp_humidity.plot(kind='bar', figsize=(10, 6))
plt.xlabel('地区')
plt.ylabel('平均值')
plt.title(f'{interested_province["province"].iloc} {interested_province["province"].iloc}省/直辖市 平均温度和湿度')
plt.show()

5. 为了创建两个散点图，分别显示每个地区的最高温/湿度和最低温/湿度：

# 分别找出每个地区的最高和最低值
max_values = interested_province.groupby(['area', 'variable']).max().reset_index()
min_values = interested_province.groupby(['area', 'variable']).min().reset_index()

# 将变量列拆分为两列，分别对应最高和最低
max_values[['temperature', 'humidity']] = max_values['variable'].apply(pd.Series)
min_values[['temperature', 'humidity']] = min_values['variable'].apply(pd.Series)

# 删除不需要的变量列
max_values.drop(columns=['variable', 'index'], inplace=True)
min_values.drop(columns=['variable', 'index'], inplace=True)

# 分别绘制散点图
fig, axs = plt.subplots(1, 2, figsize=(15, 6), constrained_layout=True)
max_values.plot.scatter(x='area', y='temperature', ax=axs, label='最高温度', color='red')
max_values.plot.scatter(x='area', y='humidity', ax=axs, label='最高湿度', color='blue')

min_values.plot.scatter(x='area', y='temperature', ax=axs, label='最低温度', color='red')
min_values.plot.scatter(x='area', y='humidity', ax=axs, label='最低湿度', color='blue')

axs.set_title('最高温/湿度')
axs.set_title('最低温/湿度')
for ax in axs:
    ax.set_xlabel('地区')
    ax.set_ylabel('数值')
    ax.legend()

plt.show()

这里假设 `variable` 列包含了 'temperature' 和 'humidity' 的名称，如果实际数据结构不同，请相应调整。