从任一网站爬取温度相关数据，将最后一天数据是否下雨作为目标，其他数据作为特征。要求： 1. 自己写程序爬取，要求包含最后一天是否下雨，等至少5个字段 2. 将数据存储为csv，并能够读取为二维数组（结构化） 3. 使用该数据集创建两个数组，分别是目标变量和特征变量，输出其值。

在Python中，我们可以使用`requests`库来抓取网页内容，然后通过如`BeautifulSoup`解析HTML提取所需信息。`pandas`库则可以方便地处理CSV文件并转换成二维数组。下面是一个基本的步骤说明：

1. **安装必要的库**：
如果你还没有安装`requests`, `beautifulsoup4`, 和 `pandas`，可以使用pip进行安装：

   pip install requests beautifulsoup4 pandas

2. **编写爬虫函数**：

   import requests
   from bs4 import BeautifulSoup
   import csv

   def get_weather_data(url):
       response = requests.get(url)
       soup = BeautifulSoup(response.text, 'html.parser')
       # 根据实际页面结构找到需要的信息元素
       temp_data = soup.find('div', class_='temperature')  # 示例：查找温度部分
       rain_data = soup.find('span', class_='rain-status')  # 查找降雨状态部分
       # 提取其他字段...
       
       # 将数据保存到字典中
       data_dict = {
           'temp': float(temp_data.text),  # 温度字段
           # ...,
           'rain_status': bool(rain_data.text) if rain_data else None,  # 是否下雨字段
           # ...,
       }
       return data_dict
   
   # 爬取特定日期的数据
   url = "http://example.com/weather-date"  # 需要替换为你想要爬取的网站地址
   last_day_data = get_weather_data(url)

3. **保存数据**：
将抓取到的数据写入CSV文件：

   with open('weather_data.csv', 'w', newline='') as csvfile:
       fieldnames = ['temp', 'field_2', ..., 'rain_status']  # 所有字段名
       writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
       writer.writerow(last_day_data)

   # 读取CSV文件为二维数组
   df = pd.read_csv('weather_data.csv')
   data_array = df.values  # 获取二维数组

4. **创建目标变量和特征变量**：

   target = data_array[:, -1]  # 目标变量（最后一列）
   features = data_array[:, :-1]  # 特征变量（除最后一列外的所有列）

现在你已经完成了上述任务，可以根据需要进一步分析或模型训练。