好的，我们来一步步解决这个问题。 ### 问题分析 根据图片中的要求，我们需要完成以下任务： 1. **读取数据**：使用 `pandas` 从 `data//white_wine.csv` 文件中读取数据。 2. **增加新字段**：创建一个新的列，名为“离均差”（或任何你喜欢的英文名，如 `deviation_from_mean`）。这个新字段的值是每一行的 `fixed acidity` 值减去其所属 `quality` 等级的所有记录的 `fixed acidity` 的平均值。 3. **保存数据**：将处理后的数据保存到 `data//my_white_wine.csv` 文件中。 4. **输出结果**：打印出处理后 DataFrame 的前几行，以验证结果是否正确。 ### 解决步骤 1. **导入库**：首先需要导入 `pandas` 库。 2. **读取CSV文件**：使用 `pd.read_csv()` 函数加载数据。 3. **计算离均差**：这是核心步骤。我们需要按 `quality` 列对数据进行分组，然后对每个组内的 `fixed acidity` 列计算均值，最后用原始的 `fixed acidity` 减去这个均值。`pandas` 的 `groupby` 和 `transform` 方法非常适合这个操作。 - `data.groupby('quality')['fixed acidity']`：这会按照 `quality` 列的值将数据分成不同的组，并选中 `fixed acidity` 列。 - `.transform('mean')`：这会对每个组计算 `fixed acidity` 的平均值，并返回一个与原始 `data` 长度相同的 Series，其中每个位置的值是其所在组的平均值。 - `data['fixed acidity'] - ...`：用原始的 `fixed acidity` 列减去上面得到的平均值 Series，就得到了离均差。 4. **保存和输出**：使用 `to_csv()` 保存文件，并用 `print()` 或 `display()` (在Jupyter Notebook中) 来查看结果。 ### Python 代码实现 下面是完整的Python代码，你可以直接运行它。请确保你的工作目录下有一个 `data` 文件夹，并且里面包含了 `white_wine.csv` 文件。 ```python import pandas as pd # 1. 读取CSV文件 # 注意：根据你的截图，文件路径是 'data//white_wine.csv' try: data = pd.read_csv('data//white_wine.csv') print("数据成功读取。") except FileNotFoundError: print("错误：找不到文件 'data//white_wine.csv'。请确保文件路径正确。") # 如果文件不在 data 文件夹下，可以尝试直接使用文件名，例如： # data = pd.read_csv('white_wine.csv') exit() # 如果文件不存在，则退出程序 # 2. 增加一个新字段用于存储离均差 # 我们使用 groupby 和 transform 来高效地完成这个计算 # data.groupby('quality')['fixed acidity'] 会按 quality 分组 # .transform('mean') 会计算每组的 fixed acidity 均值，并返回一个与原数据等长的Series # 然后用原始的 fixed acidity 减去这个均值，得到离均差 data['离均差'] = data['fixed acidity'] - data.groupby('quality')['fixed acidity'].transform('mean') # 3. 写入文件 data.to_csv('data//my_white_wine.csv', index=False) # index=False 表示不保存行索引 print("处理后的数据已保存到 'data//my_white_wine.csv'。") # 4. 输出结果，查看前几行 print("\n输出如下:") print(data.head()) # head() 默认显示前5行，与你截图中的输出一致 ``` ### 代码解释 - `import pandas as pd`: 导入 pandas 库，并简写为 `pd`，这是标准做法。 - `pd.read_csv(...)`: 读取 CSV 文件并将其转换为一个 DataFrame 对象。 - `data.groupby('quality')['fixed acidity'].transform('mean')`: 这是最关键的一行。 - `groupby('quality')`: 将数据按照 `quality` 列的值进行分组。例如，所有 `quality` 为 6 的行会被分到一组。 - `['fixed acidity']`: 在我们分好组之后，只关注 `fixed acidity` 这一列。 - `.transform('mean')`: 对每个组内的 `fixed acidity` 数据计算平均值。`transform` 函数的特点是它会返回一个与原始 DataFrame 索引对齐的 Series。这意味着，对于原数据中 `quality` 为 6 的每一行，这个操作都会返回 `quality` 为 6 的所有行的 `fixed acidity` 的平均值。 - `data['fixed acidity'] - ...`: 将原始的 `fixed acidity` 列与上一步计算出的“组内均值”Series 进行逐元素相减，得到最终的离均差。 - `data['离均差'] = ...`: 将计算出的离均差结果赋值给 DataFrame 的一个新列，列名为 `'离均差'`。 - `data.to_csv(...)`: 将修改后的 DataFrame 保存为新的 CSV 文件。 - `data.head()`: 显示 DataFrame 的前 5 行，用于快速检查数据。 运行这段代码后，你将得到一个与截图中所示格式类似的输出，并且会在 `data` 文件夹下生成一个新的 `my_white_wine.csv` 文件。