任选两个城市，从天气后报网（只需要给出示例代码）：获取某一年的历史天气信息，包括每天最高气温、最低气温、天气状况、风向等，完成以下功能： （1）将获取的数据信息存储到csv格式的文件中，文件命名为”城市名称.csv”,其中每行数据格式为“日期，最高温，最低温，天气，风向”； （2）在数据中增加“平均温度”一列，其中：平均温度=（最高温+最低温）/2，在同一张图中绘制两个城市一年平均气温走势折线图； （3）统计两个城市各类天气的天数，并绘制条形图进行对比； （4）统计这两个城市每个月的平均气温，绘制折线图； （5）统计出这两个城市一年中，平均气温在10~25度，风力小于5级的天数； （6）自定义标准，分析这两个城市适合旅游的季节。

以下是以北京和上海为例，获取2020年历史天气信息并完成上述功能的代码：

import requests
import csv
import pandas as pd
import matplotlib.pyplot as plt

# 获取历史天气信息
def get_weather(city, year):
    url = "http://www.tianqihoubao.com/lishi/" + city + "/month/" + year + ".html"
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"}
    response = requests.get(url, headers=headers)
    response.encoding = "gb2312"
    html = response.text
    df = pd.read_html(html, header=0, encoding="gb2312")[0]
    return df

# 存储数据到csv文件
def save_to_csv(city, df):
    df.to_csv(city + ".csv", index=False)

# 计算平均温度并增加到数据中
def add_mean_temperature(df):
    df["平均温度"] = (df["最高气温"] + df["最低气温"]) / 2

# 绘制平均气温走势折线图
def plot_mean_temperature(city1, df1, city2, df2):
    plt.plot(df1["日期"], df1["平均温度"], label=city1)
    plt.plot(df2["日期"], df2["平均温度"], label=city2)
    plt.xlabel("日期")
    plt.ylabel("平均气温（℃）")
    plt.title(city1 + "和" + city2 + "一年平均气温走势")
    plt.legend()
    plt.show()

# 统计各类天气的天数并绘制条形图
def plot_weather_count(city1, df1, city2, df2):
    weather_count1 = df1["天气"].value_counts()
    weather_count2 = df2["天气"].value_counts()
    weather_count = pd.concat([weather_count1, weather_count2], axis=1)
    weather_count.columns = [city1, city2]
    weather_count.plot(kind="bar")
    plt.xlabel("天气")
    plt.ylabel("天数")
    plt.title(city1 + "和" + city2 + "各类天气天数对比")
    plt.show()

# 统计每个月的平均气温并绘制折线图
def plot_monthly_mean_temperature(city1, df1, city2, df2):
    df1["月份"] = df1["日期"].apply(lambda x: str(x)[5:7])
    df2["月份"] = df2["日期"].apply(lambda x: str(x)[5:7])
    monthly_mean_temperature1 = df1.groupby("月份").mean()["平均温度"]
    monthly_mean_temperature2 = df2.groupby("月份").mean()["平均温度"]
    monthly_mean_temperature = pd.concat([monthly_mean_temperature1, monthly_mean_temperature2], axis=1)
    monthly_mean_temperature.columns = [city1, city2]
    monthly_mean_temperature.plot(kind="line")
    plt.xlabel("月份")
    plt.ylabel("平均气温（℃）")
    plt.title(city1 + "和" + city2 + "每月平均气温")
    plt.show()

# 统计符合条件的天数
def count_suitable_days(df):
    suitable_days = df[(df["平均温度"] >= 10) & (df["平均温度"] <= 25) & (df["风力"] < 5)]
    return len(suitable_days)

# 分析适合旅游的季节
def analyze_season(city, df):
    # 自定义标准：平均气温在20℃以上且降水量较少的季节
    df["季节"] = df["日期"].apply(lambda x: "春季" if x.month in [3, 4, 5] else ("夏季" if x.month in [6, 7, 8] else ("秋季" if x.month in [9, 10, 11] else "冬季")))
    season_count = df.groupby("季节").mean()[["平均温度", "降水量"]]
    suitable_season = season_count[(season_count["平均温度"] >= 20) & (season_count["降水量"] < 50)].index[0]
    return city + "适合旅游的季节为：" + suitable_season

# 获取历史天气信息
beijing_weather = get_weather("beijing", "2020")
shanghai_weather = get_weather("shanghai", "2020")

# 存储数据到csv文件
save_to_csv("北京", beijing_weather)
save_to_csv("上海", shanghai_weather)

# 计算平均温度并增加到数据中
add_mean_temperature(beijing_weather)
add_mean_temperature(shanghai_weather)

# 绘制平均气温走势折线图
plot_mean_temperature("北京", beijing_weather, "上海", shanghai_weather)

# 统计各类天气的天数并绘制条形图
plot_weather_count("北京", beijing_weather, "上海", shanghai_weather)

# 统计每个月的平均气温并绘制折线图
plot_monthly_mean_temperature("北京", beijing_weather, "上海", shanghai_weather)

# 统计符合条件的天数
suitable_days_beijing = count_suitable_days(beijing_weather)
suitable_days_shanghai = count_suitable_days(shanghai_weather)
print("北京和上海一年中，平均气温在10~25度，风力小于5级的天数分别为：", suitable_days_beijing, suitable_days_shanghai)

# 分析适合旅游的季节
print(analyze_season("北京", beijing_weather))
print(analyze_season("上海", shanghai_weather))

注意：由于天气后报网的网页结构可能会变化，以上代码仅供参考，具体实现可能需要根据当前网页结构进行适当修改。