针对如上训练数据，使用一元线性回归预测直径为32的披萨价格。采用Python的线性回归函数实现。要求：显示1）直径为32的披萨价格为XXX 2）线性关系为XXXX。

针对您提供的训练数据，我们假设已经有一个包含直径和价格的数据集，我们可以使用Python的`sklearn`库中的`LinearRegression`模型来进行一元线性回归分析。以下是步骤：

1. 首先，导入所需的库：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

2. 加载数据并准备数据（这里假设有名为'data.csv'的CSV文件，其中包含'diameter'和'price'两列）：

data = pd.read_csv('data.csv')
X = data['diameter'].values.reshape(-1, 1)  # 将直径作为特征
y = data['price']  # 直径对应的披萨价格作为目标变量

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建并拟合线性回归模型：

model = LinearRegression()
model.fit(X_train, y_train)

5. 预测直径为32的披萨价格：

predicted_price_32 = model.predict([[32]])
print(f"预测的直径为32的披萨价格为: {predicted_price_32[0]:.2f}")

6. 显示线性关系：

slope = model.coef_[0]
intercept = model.intercept_
linear_relationship = f"线性关系为: 价格 ≈ {slope:.2f} * 直径 + {intercept:.2f}"
print(linear_relationship)