使用pythonos库完成以下内容并生成代码 1、统计每个学院（部门）实验室开出的实验课程总学时数，总的实验人次数（一门实验只计一次，表中可能一门课程合并为一个单元格，也可能分多个，注意处理），按从高到低打印出结果，并绘制折线图；注：一个文件夹即一个学院或部门

为了完成这个任务，你需要首先安装`pandas`, `matplotlib`, 和 `python-Levenshtein`（用于字符串相似度计算）库，如果你还没有安装，可以使用以下命令：

pip install pandas matplotlib python-Levenshtein

接下来，假设你有一个包含实验信息的数据文件，例如CSV格式，其中包含"学院", "课程名", "学时", "实验人数"等字段，你可以编写如下的Python代码来统计并排序数据：

import os
import pandas as pd
from collections import defaultdict
from Levenshtein import distance

# 定义函数，统计学院的实验数据
def process_folder(folder_path):
    total_hours = defaultdict(int)
    total_people = defaultdict(int)

    # 遍历文件夹中的所有CSV文件
    for filename in os.listdir(folder_path):
        if filename.endswith('.csv'):
            file_path = os.path.join(folder_path, filename)
            data = pd.read_csv(file_path)

            # 合并相似的课程名
            unique_courses = data['课程名'].apply(lambda x: ' '.join(sorted(x.split())))
            data['课程名'] = unique_courses

            # 统计学时和实验人数
            for _, row in data.iterrows():
                total_hours[row['学院']] += row['学时']
                total_people[row['学院']] += row['实验人数']

    # 按照学时和人数降序排列
    sorted_data = {k: (v['total_hours'], v['total_people']) for k, v in total_hours.items()}
    sorted_data = sorted(sorted_data.items(), key=lambda item: (-item[1][0], -item[1][1]))

    return sorted_data

# 示例函数调用
sorted_info = process_folder('your_folder_path')  # 替换为实际的文件夹路径

# 打印结果
for i, (college, (hours, people)) in enumerate(sorted_info, start=1):
    print(f"{i}. 学院: {college}, 总学时: {hours}, 总实验人数: {people}")

# 绘制折线图
df = pd.DataFrame(sorted_info, columns=['学院', '学时', '实验人数'])
df.plot(kind='barh', x='学院', y=['学时', '实验人数'], stacked=True, figsize=(10, 6))
plt.xlabel('小时数和实验人数')
plt.title('各学院实验情况')
plt.show()

请将上述代码中的 `'your_folder_path'` 替换成你的实际文件夹路径。此代码会遍历文件夹内的CSV文件，合并相同的课程名称，并对每所学院的总学时和实验人数进行统计，最后按照学时和实验人数降序排序并绘制折线图。