使用python matplotlib语言绘图，完成下列操作：数据多维化 1.统计2019年所有Europe城市的月平均气温，使用数据透视表实现 2.统计2010-2019年非洲不同国家日均最高气温，使用数据交叉表实现

好的，下面是使用 Matplotlib 库绘制数据多维化的图表：

1. 统计2019年所有Europe城市的月平均气温，使用数据透视表实现

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('temperature.csv')

# 筛选出 Europe 城市和 2019 年的数据
df_europe_2019 = df[(df['continent'] == 'Europe') & (df['year'] == 2019)]

# 使用数据透视表计算月平均气温
pivot_table = pd.pivot_table(df_europe_2019,index=['city'],columns=['month'],values=['average_temperature'],aggfunc='mean')

# 绘制热力图
fig, ax = plt.subplots(figsize=(10,10))
im = ax.imshow(pivot_table, cmap="YlOrRd")

# 设置坐标轴标签
ax.set_xticks(range(len(pivot_table.columns)))
ax.set_xticklabels(pivot_table.columns, fontsize=10)
ax.set_yticks(range(len(pivot_table.index)))
ax.set_yticklabels(pivot_table.index, fontsize=10)

# 添加颜色条
cbar = ax.figure.colorbar(im, ax=ax)
cbar.ax.set_ylabel("average temperature", rotation=-90, va="bottom", fontsize=12)

# 设置图表标题
ax.set_title("2019 Average Temperature in Europe Cities", fontsize=16)

plt.show()

2. 统计2010-2019年非洲不同国家日均最高气温，使用数据交叉表实现

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('temperature.csv')

# 筛选出非洲国家和 2010-2019 年的数据
df_africa_2010_2019 = df[(df['continent'] == 'Africa') & (df['year'] >= 2010) & (df['year'] <= 2019)]

# 使用数据交叉表计算日均最高气温
cross_table = pd.crosstab(index=df_africa_2010_2019['country'],columns=df_africa_2010_2019['year'],values=df_africa_2010_2019['max_temperature'],aggfunc='mean')

# 绘制热力图
fig, ax = plt.subplots(figsize=(10,10))
im = ax.imshow(cross_table, cmap="YlOrRd")

# 设置坐标轴标签
ax.set_xticks(range(len(cross_table.columns)))
ax.set_xticklabels(cross_table.columns, fontsize=10)
ax.set_yticks(range(len(cross_table.index)))
ax.set_yticklabels(cross_table.index, fontsize=10)

# 添加颜色条
cbar = ax.figure.colorbar(im, ax=ax)
cbar.ax.set_ylabel("max temperature", rotation=-90, va="bottom", fontsize=12)

# 设置图表标题
ax.set_title("2010-2019 Max Temperature in Africa Countries", fontsize=16)

plt.show()