1）根据训练样本训练“微型车”售价预测模型，预测目标字段为“price”，算法模型可自由选择； 2）使用tran_test_split方法将train_price.csv划分成训练样本和测试样本，且train_test_split方法中的random_state参数用自己的学号的后4位； 3）只需筛选训练样本中车身类型（bodyType字段）为“微型车”的样本训练模型；其余特征可自由选择； 4）用R2评估模型在测试样本上的效果 - sklearn.metrics.r2_score；

好的，根据您的需求和要求，我可以为您提供如下代码：

# 导入所需库
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

# 读取数据
data = pd.read_csv('train_price.csv', encoding='gbk')

# 筛选出车身类型为“微型车”的样本
data = data[data['bodyType'] == '微型车']

# 筛选出需要的特征列和目标列
features = ['brand', 'fuelType', 'gearbox', 'power', 'kilometer']
target = 'price'
X = data[features]
y = data[target]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1234)

# 使用线性回归模型进行训练
model = LinearRegression()
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 评估模型在测试集上的表现
r2 = r2_score(y_test, y_pred)
print('R2 score on test set:', r2)

请将上述代码保存为.py文件，并将train_price.csv与.py文件放在同一目录下，运行即可得到模型在测试集上的R2得分。值得注意的是，您需要将代码中的random_state参数修改为您自己的学号后4位。