我需要一段python程序：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，选择每年夏季的数据(Jun,Jul,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）。

以下是一个可能的Python程序实现：

import numpy as np
import pandas as pd

# 读取Precip.txt文件，假设数据格式为"年份 月份 降水量"
precip_data = pd.read_csv("Precip.txt", delim_whitespace=True, header=None, names=["year", "month", "precip"])
# 计算每年夏季的总降水量
summer_precip_data = precip_data.loc[precip_data["month"].isin([6, 7, 8])].groupby("year")["precip"].sum()

# 读取Index.txt文件，假设数据格式为"年份 指数值"
index_data = pd.read_csv("Index.txt", delim_whitespace=True, header=None, names=["year", "index"])

# 将夏季降水量和指数数据合并到同一个DataFrame中
summer_data = pd.concat([summer_precip_data, index_data.set_index("year")], axis=1, join="inner")

# 计算Pearson相关系数
corr_coef = np.corrcoef(summer_data["precip"], summer_data["index"])[0, 1]

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

注意，这个程序假设数据文件格式为纯文本文件，每行数据以空格或制表符分隔，列数为3或2。如果数据文件的格式有所不同，需要进行相应的修改。此外，程序还需要依赖pandas和numpy两个Python库，请确保已经安装。