读取房价.csv数据内容有面积和房价两列，先用‘matplotlib’库画出图，做数据标准化，然后用标准化的数据训练模型：y=w1*x+w0 求买360平房子，需要多少钱？

首先，让我们假设你已经加载了名为"房价.csv"的数据，并且确认了它确实包含面积（X轴）和房价（Y轴）这两列。在Python中，你可以按照以下步骤进行：

1. **数据导入**:
使用pandas库读取CSV文件，例如：

   import pandas as pd
   data = pd.read_csv('房价.csv')

2. **数据可视化**:
使用`matplotlib`绘制散点图，展示面积和房价的关系：

   import matplotlib.pyplot as plt
   plt.scatter(data['面积'], data['房价'])
   plt.xlabel('面积')
   plt.ylabel('房价')
   plt.title('面积 vs 房价')
   plt.show()

3. **数据标准化**:
应用sklearn库中的StandardScaler对数据进行标准化处理：

   from sklearn.preprocessing import StandardScaler
   scaler = StandardScaler()
   data_scaled = scaler.fit_transform(data[['面积', '房价']])

4. **线性回归模型训练**:
假设你是用线性回归模型，可以创建模型并拟合数据：

   from sklearn.linear_model import LinearRegression
   model = LinearRegression()
   model.fit(data_scaled[:, :-1], data_scaled[:, -1])
   w1, w0 = model.coef_, model.intercept_

5. **预测价格**:
对于面积为360平米的房子，用模型计算预测价格：

   x_new = [[360]]  # 创建新的输入数组
   price_pred = scaler.inverse_transform(w1 * x_new + w0)  # 因为用了标准化，所以需要反标准化
   print(f"购买360平方米的房子大约需要{price_pred[0][0]:.2f}元")

请注意，这个示例假设模型已经训练完成并且系数w1和常数项w0是已知的。实际应用中你需要完整的训练过程。