Загрузите датасет с обработанными данными о продаже квартир из https://raw.githubusercontent.com/rvgarafutdinov/python_book_2023/main/apartments2.csv в датафрейм (этот файл уже доступен в системе). Посмотреть на его содержимое можно по ссылке. Вычислите указанную статистику: дисперсия цены квартиры в пермских новостройках. Результат округлите до 3-х знаков с помощью стандартной функции round(). Для вывода используйте функцию print(). Попытайтесь дать смысловую интерпретацию полученному результату.

Для загрузки датасета и выполнения расчетов по дисперсии цены квартиры в пермских новостройках, вам понадобится использовать библиотеку pandas в Python. Ниже приведен код, который поможет выполнить указанные действия:

import pandas as pd

# Загрузка датасета с обработанными данными о продаже квартир
url = "https://raw.githubusercontent.com/rvgarafutdinov/python_book_2023/main/apartments2.csv"
data = pd.read_csv(url)

# Вычисление дисперсии цены квартир в пермских новостройках
perm_prices = data[data['City'] == 'Perm']['Price']
variance = perm_prices.var()

# Округление результата до 3 знаков
rounded_variance = round(variance, 3)

# Вывод результата с интерпретацией
print("Дисперсия цены квартиры в пермских новостройках составляет:", rounded_variance)
print("Этот показатель позволяет оценить разброс цен в новостройках в Перми. Чем выше значение дисперсии, тем больше различий в ценах между квартирами.")

Этот код поможет вам выполнить указанные вычисления и получить значение дисперсии цены квартир в пермских новостройках, а также дать интерпретацию этому результату.