帮我设计一个python代码，他能读取excel文件里的五个数据，这五个数据是19年至23年的数据，并根据这五个数据进行灰度预测，并用折线图展示出原本的五年的数据和未来三年的数据，要求原来的数据和未来三年的数据在同一个折线图上且颜色不同，横坐标为年份，纵坐标为分数

为了帮助您完成这个Python代码，我们可以使用`pandas`库来处理Excel数据，`matplotlib`库来绘制折线图，以及`sklearn`库来进行灰度预测（这里假设您想使用简单的时间序列预测，如移动平均法）。由于实际的机器学习模型可能会更复杂，这里我们使用一个简化版本。以下是代码的基本框架：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.metrics import mean_squared_error
from statsmodels.tsa.arima.model import ARIMA

# 1. 读取Excel文件
def read_excel_data(file_name):
    data = pd.read_excel(file_name, sheet_name=0) # 假设您的数据在第一个工作表
    years = list(range(2019, 2024))
    return data[years]

# 2. 获取五年原始数据并做灰度预测
def predict_future_values(data, horizon=3):
    # 拟合ARIMA模型，这里仅作示例，实际可能需要尝试不同的模型
    model = ARIMA(data, order=(1, 1, 0))  # (p, d, q)
    model_fit = model.fit()
    
    future_years = list(range(2024, 2027))
    forecast = model_fit.forecast(steps=len(future_years))[0]
    
    return forecast

# 3. 绘制折线图
def plot_data_and_forecast(data, forecast, colors=['blue', 'red']):
    plt.figure(figsize=(10, 6))

    plt.plot(data, label='Original Data', color=colors[0])
    plt.plot(forecast, label='Future Prediction', color=colors[1])

    plt.title('Yearly Scores with Gray Scale Forecast')
    plt.xlabel('Years')
    plt.ylabel('Scores')
    plt.xticks([i for i in range(2019, 2027)])
    plt.legend()
    plt.grid(True)
    plt.show()

# 使用函数
file_name = "your_file.xlsx"  # 替换为您的Excel文件路径
data = read_excel_data(file_name)
forecast = predict_future_values(data)

plot_data_and_forecast(data, forecast, ['black', 'orange'])  # 修改颜色以满足要求

**注意**：
- 这个代码示例使用了ARIMA模型进行预测，但在实际情况中可能需要根据数据特性选择合适的模型，比如指数平滑、LSTM等。
- 请确保您的Excel文件结构、列名或所需的年份范围与代码中的假设匹配。