如何使用Python编程语言来解压缩数据文件，并对其中包含的历史城镇居民人均收入和住宅商品房平均销售价格的数据进行统计分析，最后生成相应的图表展示？

在Python中，你可以使用内置的`zipfile`模块来解压数据文件，比如`.zip`、`.tar.gz`等。首先，你需要安装`pandas`库来进行数据处理，以及`matplotlib`库用于数据可视化。

以下是简单的步骤：

1. **解压缩数据文件**：

   import zipfile
   with zipfile.ZipFile('data.zip', 'r') as zip_ref:
       zip_ref.extractall('unzipped_data')

这里假设你的压缩文件名为`data.zip`，解压到当前工作目录下的`unzipped_data`文件夹中。

2. **加载数据并预处理**：
使用`pandas`库加载CSV文件：

   import pandas as pd
   data = pd.read_csv('unzipped_data/historical_town_data.csv')  # 更改文件名和路径

3. **数据统计分析**：
对人均收入和住宅房价进行基本统计：

   income_stats = data['income'].describe()  # 描述性统计
   housing_stats = data['housing_price'].describe()

4. **数据可视化**：
使用`matplotlib`或更高级的`seaborn`库生成图表：

   import matplotlib.pyplot as plt

   # 例如，绘制人均收入的箱线图
   plt.boxplot(data['income'])
   plt.title('Income Distribution')
   plt.show()

   # 绘制住房价格的直方图
   plt.hist(data['housing_price'], bins=20)
   plt.title('Housing Price Distribution')
   plt.xlabel('Price')
   plt.ylabel('Frequency')
   plt.show()