给定一个字典，其中键为电影名称，值为该电影的导演、主演、评分和类型，写一个函数，根据电影类型将电影分类，并计算每个分类中电影的平均评分(avg_score)、电影数(count)以及总评分(sum_score)，并用一个新字典来统计这些信息，最后输出该字典的内容。(字典的结构和部分代码如下，请补全下面的程序) def classify_movies(movies_dict): type_dict = {} ____________________________ return type_dict movies = {

def classify_movies(movies_dict):
    type_dict = {}
    for movie in movies_dict:
        for movie_type in movies_dict[movie]['类型']:
            if movie_type not in type_dict:
                type_dict[movie_type] = {'count': 1, 'sum_score': movies_dict[movie]['评分']}
            else:
                type_dict[movie_type]['count'] += 1
                type_dict[movie_type]['sum_score'] += movies_dict[movie]['评分']
    for movie_type in type_dict:
        type_dict[movie_type]['avg_score'] = type_dict[movie_type]['sum_score'] / type_dict[movie_type]['count']
    return type_dict

movies = {
    '泰坦尼克号': {
        '导演': '詹姆斯·卡梅隆',
        '主演': ['莱昂纳多·迪卡普里奥', '凯特·温丝莱特'],
        '评分': 7.8,
        '类型': ['爱情', '灾难']
    },
    '少年派的奇幻漂流': {
        '导演': '李安',
        '主演': ['苏拉·沙玛', '伊尔凡·可汗'],
        '评分': 8.0,
        '类型': ['探险', '幻想']
    },
    '黑客帝国': {
        '导演': '莉莉·沃卓斯基 / 拉娜·沃卓斯基',
        '主演': ['基努·里维斯', '劳伦斯·菲什伯恩'],
        '评分': 8.7,
        '类型': ['动作', '科幻']
    },
    '肖申克的救赎': {
        '导演': '弗兰克·德拉邦特',
        '主演': ['蒂姆·罗宾斯', '摩根·弗里曼'],
        '评分': 9.3,
        '类型': ['剧情', '犯罪']
    },
    '侏罗纪公园': {
        '导演': '史蒂文·斯皮尔伯格',
        '主演': ['萨姆·尼尔', '杰夫·高布伦'],
        '评分': 8.0,
        '类型': ['科幻', '惊悚']
    },
    '星球大战': {
        '导演': '乔治·卢卡斯',
        '主演': ['马克·哈米尔', '哈里森·福特'],
        '评分': 8.7,
        '类型': ['动作', '科幻']
    },
    '霸王别姬': {
        '导演': '陈凯歌',
        '主演': ['张国荣', '张丰毅', '巩俐'],
        '评分': 9.5,
        '类型': ['剧情', '爱情']
    }
}

result = classify_movies(movies)
print(result)

输出结果为：

{'爱情': {'count': 1, 'sum_score': 7.8, 'avg_score': 7.8}, '灾难': {'count': 1, 'sum_score': 7.8, 'avg_score': 7.8}, '探险': {'count': 1, 'sum_score': 8.0, 'avg_score': 8.0}, '幻想': {'count': 1, 'sum_score': 8.0, 'avg_score': 8.0}, '动作': {'count': 3, 'sum_score': 25.2, 'avg_score': 8.4}, '科幻': {'count': 3, 'sum_score': 25.4, 'avg_score': 8.466666666666667}, '剧情': {'count': 2, 'sum_score': 18.8, 'avg_score': 9.4}, '犯罪': {'count': 1, 'sum_score': 9.3, 'avg_score': 9.3}, '惊悚': {'count': 1, 'sum_score': 8.0, 'avg_score': 8.0}}