编写代码实现： 已知西安2022年全年的数据存储在“weather.csv”文件中，给出一部分展示： 日期,最高气温,最低气温,天气 2022-01-01,11,-4,晴 2022-01-02,-6,-20,晴 2022-01-03,8,0,多云 2022-01-04,-7,-22,晴 2022-01-05,-2,-20,霾 2022-01-06,-7,-20,晴 …… 以每日最高气温和最低气温为例，建立ARIMA模型，训练并测试，预测下一年的天气情况 注意：是要实现预测下一年的天气

好的，针对您的问题，我可以提供以下代码实现，需要用到pandas、matplotlib、statsmodels库：

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

# 读取数据
df = pd.read_csv('weather.csv', parse_dates=['日期'], index_col=['日期'])

# 绘制每日最高气温和最低气温的折线图
df[['最高气温', '最低气温']].plot()
plt.xlabel('日期')
plt.ylabel('气温')
plt.title('西安2022年全年气温变化')
plt.show()

# 建立ARIMA模型
model = ARIMA(df['最高气温'], order=(2, 1, 1))
result = model.fit()

# 预测下一年天气情况
forecast = result.forecast(steps=365)

# 绘制预测结果
plt.plot(forecast, label='预测')
plt.xlabel('日期')
plt.ylabel('气温')
plt.title('西安2023年全年气温变化预测')
plt.legend()
plt.show()

上述代码中，首先使用pandas库读取“weather.csv”文件中的数据，并绘制了每日最高气温和最低气温的折线图。接着，使用ARIMA模型对每日最高气温进行训练，并预测了下一年（365天）的天气情况。最后，绘制了预测结果的折线图。

需要注意的是，ARIMA模型的order参数是(2, 1, 1)，分别表示AR、差分、MA的次数，可以根据实际情况进行调整。此外，ARIMA模型需要满足一些前提条件，如数据平稳等，如果数据不平稳，需要进行差分处理，以保证ARIMA模型的准确性。