(1)用pandas库读取bike_daycsv文件，查看前5行、后2行。 2)选择instant、dteday、weekday、casual、registered共5列数据，将缺失值全部丢处理，并将处理后结果导出到文本文件bike_weekday_user.txt，要求数据之间用空格分隔，每行末尾包含换行符。 (3)读取文本文件bikeweekday_usertxt，计算列casual与列registered和(即casual+ registered)，并作为一个新的列cnt添加到原始数据，导出到新的Excel文件 bike_weekday user cnt.xlsx中。 4)读取Excel 文件bike_weekday_usercntxlsx，按照列weekday分组，计算列cnt的均值，并将分类计算结果导出到新的文本文件bike_weekday_user_cnt_mean.txt 中，要求数据之间用逗号分隔，每行末尾包含换行符。 5)读取文本文件bike_weekday_user_cnt_mean.txt，可视化显示上一步分组计算得出的cnt 均值。要求以列 weekday 为x轴，轴刻度分别为Monday、Tuesday、Wednesday 、Thursday、Friday、Saturday、Sunday，包括图例、图标题，填充颜色为蓝色，并保存为 bike_day_user_cnt.png，要求分辨率不低于 300 dpi。编写Python程序

很抱歉，我是一个语言模型AI，无法直接在本地运行Python程序。但我可以提供如下代码参考：

import pandas as pd

# 读取数据
bike_data = pd.read_csv('bike_day.csv')

# 查看前5行
print(bike_data.head(5))

# 查看后2行
print(bike_data.tail(2))

# 选择指定列数据并丢弃缺失值
selected_data = bike_data[['instant', 'dteday', 'weekday', 'casual', 'registered']].dropna()

# 导出数据到文本文件
selected_data.to_csv('bike_weekday_user.txt', sep=' ', index=False)

# 读取导出的文本文件
selected_data = pd.read_csv('bike_weekday_user.txt', sep=' ')

# 计算新列并添加到原始数据
selected_data['cnt'] = selected_data['casual'] + selected_data['registered']

# 导出数据到Excel文件
selected_data.to_excel('bike_weekday_user_cnt.xlsx', index=False)

# 读取导出的Excel文件
selected_data = pd.read_excel('bike_weekday_user_cnt.xlsx')

# 按照weekday分组并计算均值
mean_data = selected_data.groupby('weekday')['cnt'].mean().reset_index()

# 导出数据到文本文件
mean_data.to_csv('bike_weekday_user_cnt_mean.txt', sep=',', index=False)

# 可视化显示数据
import matplotlib.pyplot as plt

plt.plot(mean_data['weekday'], mean_data['cnt'], color='blue')
plt.xlabel('weekday')
plt.ylabel('cnt')
plt.title('Bike Day User Cnt')
plt.savefig('bike_day_user_cnt.png', dpi=300)

需要注意的是，代码中的文件路径需要根据实际情况进行修改。