关于房屋售价预测，有以下训练数据和测试数据，请编写Python代码，基于Scikit-learn库训练线性回归模型，对测试数据预测其售价，并计算预测数据的R方。

好的，我可以帮您实现这个问题。以下是Python代码：

from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

# 训练数据
X_train = [[1000, 2, 1], [1500, 3, 2], [2000, 4, 3], [2500, 5, 4], [3000, 6, 5]]
y_train = [50000, 75000, 100000, 125000, 150000]

# 测试数据
X_test = [[3500, 7, 6], [4000, 8, 7], [4500, 9, 8], [5000, 10, 9], [5500, 11, 10]]
y_test = [175000, 200000, 225000, 250000, 275000]

# 创建并训练线性回归模型
lr = LinearRegression()
lr.fit(X_train, y_train)

# 对测试数据进行预测
y_pred = lr.predict(X_test)

# 计算R方
r2 = r2_score(y_test, y_pred)

print("预测售价：", y_pred)
print("R方值：", r2)

在上面的代码中，我们首先定义了训练数据和测试数据，然后创建了一个LinearRegression对象，使用fit()方法对模型进行了训练。接着使用predict()方法对测试数据进行预测，最后使用r2_score()方法计算预测数据的R方值。

注意，这里的训练数据和测试数据仅仅是示例数据，您需要自己准备符合实际情况的数据。