读取房价特征关系表（house_price.npz)，并创建新画布，根据交易年份绘制饼图，并查看交易年份的分布情况

好的，以下是代码实现：

import numpy as np
import matplotlib.pyplot as plt

# 读取数据
data = np.load('house_price.npz', allow_pickle=True)

# 获取交易年份和对应的房价数据
years = data['years']
prices = data['prices']

# 统计交易年份的分布情况
year_counts = {}
for year in years:
    if year in year_counts:
        year_counts[year] += 1
    else:
        year_counts[year] = 1

# 绘制饼图
plt.figure(figsize=(8, 8))
plt.pie(year_counts.values(), labels=year_counts.keys())
plt.title('House Price Transactions by Year')
plt.show()

解释一下代码：

首先，我们使用 `np.load()` 函数读取了数据文件 `house_price.npz`。由于这个数据文件是经过压缩的，因此在读取时需要添加参数 `allow_pickle=True`。

然后，我们分别获取了交易年份和对应的房价数据，并统计了交易年份的分布情况。这里使用了一个字典 `year_counts` 来保存每个年份出现的次数。

最后，我们使用 `plt.pie()` 函数绘制了饼图，其中 `year_counts.values()` 返回了所有的值（即每个年份出现的次数），`year_counts.keys()` 返回了所有的键（即年份），它们分别作为参数传递给 `plt.pie()` 函数。然后，我们使用 `plt.title()` 函数设置了图表的标题，并使用 `plt.show()` 函数显示了图表。

运行代码后，你应该可以看到一张饼图，它显示了每个交易年份的分布情况。