我想写一份实验报告。实验目的是：掌握特征数据类型的应用，掌握文件的应用，使用matplotlib绘制图形，具备解决实际生活或专业问题的能力。实验内容需要包括：问题描述、算法设计、代码、实验收获。请给我写一份实验报告。另外，请不要使用pandas库导入数据。

好的，下面是我为你撰写的实验报告。

实验目的：
本次实验的目的是帮助学生掌握特征数据类型的应用，掌握文件的应用，使用matplotlib绘制图形，具备解决实际生活或专业问题的能力。

问题描述：
本次实验选择分析人口普查数据，并通过绘制图表展示出不同年龄段、性别、职业等因素对收入水平的影响。具体而言，我们要回答以下问题：

1. 各年龄段人口占比分布图
2. 不同性别的收入水平对比图
3. 不同职业的收入水平对比图

算法设计：
在本次实验中，我们将手动读取数据并进行数据清洗和处理，然后使用Matplotlib库绘制各种图表来展示数据。

代码：
以下是本次实验的代码实现：

import matplotlib.pyplot as plt

# 读取数据
with open('population.txt', 'r', encoding='utf-8') as f:
    lines = f.readlines()

# 数据清洗和处理
data = []
for line in lines:
    line = line.strip()
    if not line:
        continue
    fields = line.split(',')
    age = fields[0]
    sex = fields[1]
    job = fields[2]
    income = fields[3]
    count = int(fields[4])
    data.append((age, sex, job, income, count))

# 统计年龄段人口占比
age_data = {}
total_count = 0
for item in data:
    age = item[0]
    count = item[4]
    total_count += count
    if age in age_data:
        age_data[age] += count
    else:
        age_data[age] = count

labels = age_data.keys()
sizes = [age_data[label] for label in labels]
explode = [0.1 if label == '25-34' else 0 for label in labels]
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', startangle=90)
plt.axis('equal')
plt.title('各年龄段人口占比分布图')
plt.show()

# 统计不同性别的收入水平对比
sex_data = {}
for item in data:
    sex = item[1]
    income = item[3]
    count = item[4]
    if sex not in sex_data:
        sex_data[sex] = {}
    if income in sex_data[sex]:
        sex_data[sex][income] += count
    else:
        sex_data[sex][income] = count

labels = sex_data['男'].keys()
men_sizes = [sex_data['男'][label] for label in labels]
women_sizes = [sex_data['女'][label] for label in labels]
x = range(len(labels))
width = 0.35
fig, ax = plt.subplots()
ax.bar(x - width/2, men_sizes, width, label='男')
ax.bar(x + width/2, women_sizes, width, label='女')
ax.set_xticks(x)
ax.set_xticklabels(labels)
ax.legend()
plt.title('不同性别的收入水平对比图')
plt.show()

# 统计不同职业的收入水平对比
job_data = {}
for item in data:
    job = item[2]
    income = item[3]
    count = item[4]
    if job not in job_data:
        job_data[job] = {}
    if income in job_data[job]:
        job_data[job][income] += count
    else:
        job_data[job][income] = count

labels = job_data.keys()
income_levels = ['1-3万', '3-5万', '5-7万', '7-10万', '10万以上']
x = range(len(labels))
width = 0.1
fig, ax = plt.subplots()
for i in range(len(income_levels)):
    income_level = income_levels[i]
    sizes = [job_data[label].get(income_level, 0) for label in labels]
    ax.bar(x + i*width, sizes, width, label=income_level)
ax.set_xticks(x)
ax.set_xticklabels(labels)
ax.legend()
plt.title('不同职业的收入水平对比图')
plt.show()

实验收获：
通过本次实验，我们掌握了特征数据类型的应用和文件的应用，学会了如何手动读取数据并进行数据处理和Matplotlib库进行图表绘制，能够解决实际生活或专业问题。同时，我们也意识到了数据处理和可视化的重要性，这可以帮助我们更好地理解数据并做出更准确的决策。

总之，本次实验为我们提供了一个实践的机会，加深了我们对数据处理和可视化的理解，提高了我们的实际操作能力和解决问题的能力。