用python编程实现，利用imdb电影数据文件，使用mapreduce算法，完成下列任务： 1）找出平均评分最高的十部电影id； 2）打印上题中的电影名称，并显示其类别标签；

好的，我可以为你提供这样一个Python程序，实现上述两个任务：

from mrjob.job import MRJob
from mrjob.step import MRStep

class TopMovies(MRJob):
    
    def steps(self):
        return [
            MRStep(mapper=self.mapper_get_ratings,
                   reducer=self.reducer_count_ratings),
            MRStep(reducer=self.reducer_sort_ratings),
            MRStep(mapper=self.mapper_get_movie_info,
                   reducer=self.reducer_join_movies)
        ]
    
    def mapper_get_ratings(self, _, line):
        # 将每行数据映射为键值对，其中键为电影ID，值为评分
        movie_id, rating, _ = line.split('\t')
        yield movie_id, float(rating)
        
    def reducer_count_ratings(self, key, values):
        # 对每个电影ID的评分进行求和并计算平均值
        yield None, (sum(values)/float(len(values)), key)
        
    def reducer_sort_ratings(self, _, values):
        # 将所有电影的平均评分按照从高到低的顺序进行排序，并取前十个电影的ID
        for rating, key in sorted(values, reverse=True)[:10]:
            yield key, rating
    
    def mapper_get_movie_info(self, _, line):
        # 将每行数据映射为键值对，其中键为电影ID，值为电影名称和类别标签
        movie_id, _, info = line.strip().split('\t')
        yield movie_id, info
    
    def reducer_join_movies(self, key, values):
        # 将相同电影ID的名称和类别标签合并为一个键值对
        yield key, list(values)
        
if __name__ == '__main__':
    TopMovies.run()

在这个程序中，我们使用了MRJob库来实现MapReduce算法。首先，我们定义了一个包含三个步骤的MRJob类。在第一个步骤中，我们使用mapper_get_ratings()函数将每行数据映射为键值对，其中键为电影ID，值为评分。在reducer_count_ratings()函数中，我们对每个电影ID的评分进行求和并计算平均值。在第二个步骤中，我们使用reducer_sort_ratings()函数将所有电影的平均评分按照从高到低的顺序进行排序，并取前十个电影的ID。在第三个步骤中，我们使用mapper_get_movie_info()函数将每行数据映射为键值对，其中键为电影ID，值为电影名称和类别标签。在reducer_join_movies()函数中，我们将相同电影ID的名称和类别标签合并为一个键值对。

使用上述程序，可以通过以下命令在终端上执行：

python top_movies.py imdb_data.tsv > output.txt

其中，imdb_data.tsv是IMDB电影数据文件的路径，output.txt是输出结果的文件名。运行程序后，会输出平均评分最高的十部电影ID和它们的平均评分，同时还会输出这些电影的名称和类别标签。