利用实训5.1设计好的均值和方差函数，计算数据集中新车含税价的均值和标准差。（40分，提示：价格储存为“xx万”的字符串中，可以用索引方法或者replace函数先把”万”去掉，然后再转换成数值型数据，最后再输入函数中）

利用实训中提供的均值和方差函数，首先需要将数据集中新车含税价的字符串格式转换为数值类型。由于价格是以“xx万”的形式给出，我们可以按照以下步骤操作：

1. 使用字符串的`replace()`方法移除“万”字符，例如：

   price_str = "50万"
   price_num = float(price_str.replace("万", ""))

2. 遍历整个数据集，对每个价格进行同样的处理，并存储为数值列表。假设数据集名为`data_prices`，可以这样做：

   prices = [float(price_str.replace("万", "")) for price_str in data_prices]

3. 调用之前设计好的`mean()`函数计算平均值（均值即均值函数的输出），记作`average_price`：

   average_price = mean(prices)

4. 同样地，调用`variance()`函数计算方差，然后取其平方根得到标准差，记作`std_deviation`：

   std_deviation = sqrt(variance(prices))

完整的代码示例：

from your_module import mean, variance  # 假设mean和variance函数在your_module.py中

# 数据集中所有价格
data_prices = ["50万", "60万", "70万", ...]  # 填充实际数据

# 处理并计算均值和方差
prices = [float(price_str.replace("万", "")) for price_str in data_prices]
average_price = mean(prices)
std_deviation = sqrt(variance(prices))

print(f"新车含税价的均值是：{average_price}万元")
print(f"新车含税价的标准差是：{std_deviation}万元")