fileName=input('请输入要打开的文件名house.sale.price.csv:') try:#程序异常控制 df=pd.read_csv('house.sale.price.csv') print('查看前五行数据：') print(df.head(5)) print('查看后两行数据') print(df.tail(2)df=pd.read_csv('house.sale.price.csv') #提取指定列 df_selected=df[['Id','GarageCond','LotArea','OverallCond','YrSold','SalePrice']] #丢弃缺失值 df_selected=df_selected.dropna() df_selected.to_csv('house_total_price.txt',sep=' ',line_terminator='\n')#空格分开，行末包含换行符 print('任务二执行成功！') breakdf=pd.read_csv('house_total_price.txt',sep=' ') df['unitPrice']=df['SalePrice']/df['LotArea'] df.to_excel('house_unit_price.xlsx',index=Falsedf=pd.read_excel('house_unit_price.xlsx') df_group=df.groupby('GarageCond')['unitPrice'].mean() df_group_sort=df_group.sort_values(ascending=False) #画图 df_group_sort.plot(kind='bar',color='blue') plt.xlabel('GarageCond') plt.xticks(rotation=0)#x轴标签的显示旋转0° plt.title('untiPrice均值') plt.legend(loc='upper right') plt.savefig('househeating_unit_price.png',dpi=300) plt.show(df=pd.read_excel('house_unit_price.xlsx') df_group=df.groupby('GarageCond')['OverallCond'].mean() df_group_sort=df_group.sort_values(ascending=True) #画图 df_group_sort.plot(kind='bar',color='blue') plt.xlabel('GarageCond') plt.ylabel('OverallCond') plt.title('Mean of OverallCond by GarageCond') plt.savefig('househeating_overallcond.png',dpi=300) plt.show()根据以上代码写地下车库情况对评估及售价影响的结果分析

根据以上代码，该程序是针对房屋销售价格数据进行的分析，主要涉及以下几个方面：

1. 数据加载和预处理：程序首先从指定的文件中读取房屋销售价格数据，然后针对指定列进行数据选择和筛选，并丢弃缺失值。最后将处理后的数据保存到指定的文件中。

2. 单价计算：程序根据处理后的数据计算每平米房屋销售价格，并将结果保存到 Excel 文件中。

3. 地下车库对评估及售价的影响分析：程序针对地下车库情况对房屋评估和售价进行分析，具体包括以下两个方面：

- 通过计算每种地下车库情况下的房屋单价均值，进一步分析地下车库情况对房屋售价的影响。程序通过对均值进行排序和绘图的方式，展示了不同地下车库情况下的房屋单价均值，并以条形图的形式呈现。

- 通过计算每种地下车库情况下的房屋整体状况均值，进一步分析地下车库情况对房屋评估的影响。程序通过对均值进行排序和绘图的方式，展示了不同地下车库情况下的房屋整体状况均值，并以条形图的形式呈现。

综上所述，该程序主要是通过对房屋销售价格数据进行分析，探讨地下车库情况对房屋评估和售价的影响，以指导房地产市场的决策和投资。