现给出一个文件包含某一地区三年的逐月平均降水伪数据( Precip . txt )，另一个文件为同期的表征降水的某指数（ Index . txt )。分别读取降水数据和该指数，跳过文件开头，选择每年夏季的数据（ Jun , Ju l , Aug )，计算三年夏季降水和该指数的 Pearson 相关系数（保留两位小数）。

这是一个需要用到Python编程的问题。以下是一种可能的实现方式：

import numpy as np
from scipy.stats import pearsonr

# 读取降水数据
precip_data = np.loadtxt('Precip.txt', skiprows=1)

# 读取指数数据
index_data = np.loadtxt('Index.txt', skiprows=1)

# 取每年夏季的数据
precip_summer = precip_data[:, [5, 6, 7, 17, 18, 19, 29, 30, 31]]
index_summer = index_data[:, [5, 6, 7, 17, 18, 19, 29, 30, 31]]

# 计算每年夏季的降水总量和指数的平均值
precip_summer_total = np.sum(precip_summer, axis=1)
index_summer_mean = np.mean(index_summer, axis=1)

# 计算Pearson相关系数
corr, p_value = pearsonr(precip_summer_total, index_summer_mean)

# 输出结果
print('Pearson相关系数为：{:.2f}'.format(corr))

注意，这里使用了NumPy库和SciPy库中的函数。其中，`np.loadtxt`函数用于读取文本文件，`[:, [5, 6, 7, 17, 18, 19, 29, 30, 31]]`表示取所有行和指定的列（即每年夏季的数据），`np.sum`函数用于计算每年夏季的降水总量，`np.mean`函数用于计算指数的平均值，`pearsonr`函数用于计算Pearson相关系数。最后，使用`print`函数输出结果。