写python代码，读取一个csv文件，一共有30行，记录了从2023年4月1日到4月30日的人数，索引列是‘日期’、另一列是‘当日人数’。 利用SARIMA模型选取从4月1日到21日的数据，对公园人数做回归分析， 然后用4月22日到30日的数据做测试，并对测试结果进行准确率和误差估计，把预测结果加到dateframe的第三列，输出到一个新的csv文件里。

以下是一个可能的Python代码实现，其中使用了Pandas和statsmodels库来进行SARIMA模型的建立和预测，以及对结果进行评估：

import pandas as pd
from statsmodels.tsa.statespace.sarimax import SARIMAX
from sklearn.metrics import mean_squared_error, r2_score

# 读取CSV文件
data = pd.read_csv('data.csv', parse_dates=['日期'], index_col='日期')

# 选择4月1日到21日的数据作为训练集
train = data.loc['2023-04-01':'2023-04-21', '当日人数']

# 拟合SARIMA模型并进行预测
model = SARIMAX(train, order=(1, 1, 1), seasonal_order=(1, 1, 0, 7))
fit_model = model.fit()
test = data.loc['2023-04-22':'2023-04-30', '当日人数']
y_pred = fit_model.predict(start='2023-04-22', end='2023-04-30')

# 计算准确率和误差估计
accuracy = r2_score(test, y_pred)
mse = mean_squared_error(test, y_pred)

# 将预测结果加到DataFrame的第三列，并输出到新的CSV文件里
data.loc['2023-04-22':'2023-04-30', '预测结果'] = y_pred
data.to_csv('result.csv')

print('准确率：', accuracy)
print('均方误差：', mse)

请注意，在这个示例中，我们使用了一个简单的SARIMA模型来进行预测。对于更复杂的数据集，可能需要使用更高级的模型和技术来进行预测和评估。