根据您提供的截图和报错信息（`未找到 'samples_data.csv' 文件`），问题的核心在于**相对路径的引用方式**。 在 VS Code 中，直接运行脚本时，Python 的“当前工作目录”通常是项目根目录，而不是脚本所在的子文件夹。因此，代码中不能只写文件名，必须通过 `os.path` 动态构建从 `10.py` 到 `dataset/samples_data.csv` 的绝对路径。 以下是修复后的**完整代码**。这段代码会自动定位 `10.py` 的位置，并去同级目录下的 `dataset` 文件夹寻找数据，彻底解决路径报错问题。 ### ✅ 修复后的完整代码 (10.py) ```python import os import pandas as pd import numpy as np from scipy.stats import kurtosis def calculate_row_features(row): """ 计算单行数据的9个特征值 输入: pandas Series (一行数据) 输出: pandas Series (9个特征值) """ # 转换为numpy数组以便计算，确保是浮点型 x = row.values.astype(float) # --- 基础统计量 --- # 1. 均值 (Mean) mean_val = np.mean(x) # 2. 均方根值 (RMS) rms_val = np.sqrt(np.mean(x ** 2)) # 3. 方差 (Variance, 总体方差 ddof=0) var_val = np.var(x, ddof=0) # 4. 峰值 (Peak, 取绝对值的最大值) peak_val = np.max(np.abs(x)) # 5. 峭度 (Kurtosis, Fisher定义，即减去3后的超额峭度) # nan_policy='omit' 防止因空值导致计算失败 kurt_val = kurtosis(x, fisher=True, nan_policy='omit') # --- 无量纲指标 (需做除零保护) --- # 辅助变量：绝对均值 abs_mean = np.mean(np.abs(x)) # 6. 峰值因子 (Crest Factor) = 峰值 / RMS crest_factor = peak_val / rms_val if rms_val != 0 else 0.0 # 7. 波形因子 (Shape Factor) = RMS / 绝对均值 shape_factor = rms_val / abs_mean if abs_mean != 0 else 0.0 # 8. 脉冲因子 (Impulse Factor) = 峰值 / 绝对均值 impulse_factor = peak_val / abs_mean if abs_mean != 0 else 0.0 # 9. 裕度因子 (Clearance Factor) = 峰值 / RMS # (注：数学定义上裕度因子通常等同于峰值因子，此处按标准公式计算) clearance_factor = peak_val / rms_val if rms_val != 0 else 0.0 return pd.Series({ '均值': mean_val, '均方根值': rms_val, '方差': var_val, '峰值': peak_val, '峭度': kurt_val, '峰值因子': crest_factor, '波形因子': shape_factor, '脉冲因子': impulse_factor, '裕度因子': clearance_factor }) if __name__ == "__main__": # ================= 路径自动解析部分 (解决报错的关键) ================= # 获取当前脚本 (10.py) 的绝对路径 current_file_path = os.path.abspath(__file__) # 获取当前脚本所在的目录 (即 "D:\文件" 或类似路径) base_dir = os.path.dirname(current_file_path) # 拼接出 dataset 文件夹下 samples_data.csv 的完整路径 # 逻辑：base_dir + "dataset" + "samples_data.csv" input_file = os.path.join(base_dir, "dataset", "samples_data.csv") # 定义输出文件保存位置 (保存在与 10.py 同级目录下) output_file = os.path.join(base_dir, "feature_result_table.csv") # =================================================================== print(f"🔍 正在读取文件：{input_file}") try: # 检查文件是否存在，给出明确提示 if not os.path.exists(input_file): raise FileNotFoundError(f"❌ 错误：找不到文件 '{input_file}'。\n请确认 dataset 文件夹是否在 {base_dir} 下。") # 读取 CSV，假设没有表头 (header=None)，每一行是一个样本 df = pd.read_csv(input_file, header=None) print(f"✅ 成功读取数据，形状：{df.shape}") # 应用函数计算每一行的特征 result_df = df.apply(calculate_row_features, axis=1) # 保存结果，encoding='utf-8-sig' 确保 Excel 打开不乱码 result_df.to_csv(output_file, index=False, encoding='utf-8-sig') print(f"💾 特征提取完成！结果已保存至：{output_file}") print("\n📊 前 5 行结果预览：") print(result_df.head()) except Exception as e: print(f" 程序运行出错：{e}") ``` ### 💡 修改要点说明： 1. **路径动态构建 (`os.path`)**： * 旧代码可能直接写了 `'dataset/samples_data.csv'`，这在某些运行环境下会失效。 * 新代码使用 `os.path.dirname(__file__)` 获取 `10.py` 的真实位置，然后拼接出 `dataset/samples_data.csv` 的**绝对路径**。无论你在 VS Code 的哪个文件夹打开项目，它都能准确找到文件。 2. **异常处理 (`try-except`)**： * 增加了文件存在性检查。如果文件真的不在那里，它会打印出它正在寻找的具体路径，方便你排查文件夹结构是否正确。 3. **编码格式 (`utf-8-sig`)**： * 保存结果时使用了 `utf-8-sig`，这样生成的表格用 Excel 打开时，中文表头（如“均值”、“峭度”）不会变成乱码。 4. **除零保护**： * 在计算因子（如峰值因子、波形因子）时，加入了 `if ... != 0 else 0.0` 的判断，防止数据全为 0 时程序崩溃。 ### 如何运行： 1. 将上述代码完整复制，覆盖你编辑器中 `10.py` 的内容。 2. 确保左侧文件树结构如下： ```text D:\文件\ (你的项目根目录) ├── 10.py <-- 刚才修改的代码 ── dataset\ <-- 文件夹 ── samples_data.csv ``` 3. 点击右上角的运行按钮，底部的报错应该会消失，并显示 `✅ 成功读取数据`。