1. (简答题) 编写一个Python程序，使用Numpy库读取一个CSV文件，该文件包含多列浮点数数据。你需要计算每列数据的平均值、中位数、最大值和最小值，并将结果保存到一个新的CSV文件中。（CSV文件需要自己编写代码生成，确保每个人生成的文件都是不一样的）

首先，我们需要安装numpy和pandas库，如果还没有安装，可以使用pip进行安装：

pip install numpy pandas

然后，我们可以通过以下步骤编写Python程序来完成这个任务：

1. 导入所需的库：

import numpy as np
import pandas as pd
from sklearn.datasets import make_classification

注意：这里我们使用`make_classification`函数来创建一个临时的测试数据集，因为实际的CSV文件未提供。如果你已经有CSV文件，只需要替换这一部分。

2. 创建随机数据并保存到CSV文件：

# 创建随机数据
X, _ = make_classification(n_samples=100, n_features=4, random_state=42)
data = pd.DataFrame(X, columns=['Column1', 'Column2', 'Column3', 'Column4'])

# 保存到CSV文件
data.to_csv('temp_data.csv', index=False)

3. 读取CSV文件并计算统计信息：

# 读取CSV文件
data = pd.read_csv('temp_data.csv', usecols=[0, 1, 2, 3], converters={c: float for c in data.columns})

# 计算平均值、中位数、最大值和最小值
mean_values = data.mean()
median_values = data.median()
max_values = data.max()
min_values = data.min()

# 结果合并成DataFrame
stats_df = pd.DataFrame({'Average': mean_values, 'Median': median_values, 'Max': max_values, 'Min': min_values})

4. 将结果保存到新CSV文件：

stats_df.to_csv('statistics.csv', index=False)

现在你已经创建了一个Python程序，它会生成一个包含随机数据的CSV文件，并从该文件中计算每列的平均值、中位数、最大值和最小值，最后将结果保存到另一个新的CSV文件中。由于每次运行都会生成新的随机数据，所以每个用户的CSV文件内容会有所不同。