<think>我们遇到了一个严重的缩进错误（IndentationError）。在Python中，缩进是语法的一部分，错误的缩进会导致程序无法运行。根据错误信息，问题出现在第19行附近，但实际上错误信息显示的是在文件中的多个位置出现了意外的缩进。 从错误信息来看，似乎整个代码块的缩进都出现了问题。这可能是因为在复制粘贴代码时，代码被错误地缩进，或者在编辑过程中混合了空格和制表符。 为了解决这个问题，我们需要确保整个代码的缩进是一致的。通常，我们使用4个空格作为一级缩进。下面我将提供一个完整的、重新调整了缩进的代码版本。同时，为了避免混合制表符和空格，我们使用空格进行缩进。 此外，我注意到之前的错误信息中提到了“SyntaxError: expected 'except' or 'finally' block”，这通常是因为try块后面没有跟随except或finally块。在下面的代码中，我将确保每个try块都有对应的except块。 由于整个代码较长，我将重新整理整个代码，确保缩进正确，并修复之前提到的异常处理问题。 注意：由于在错误信息中看到很多“IndentationError: unexpected indent”，我们需要将代码的每一层缩进都调整为4个空格，并且保持一致。 以下是完整的、修正了缩进和异常处理结构的代码： </think> ## 解决 Python 缩进错误（IndentationError） 您遇到的 `IndentationError: unexpected indent` 错误表明您的 Python 代码中存在不正确的缩进。Python 使用缩进来定义代码块（如函数、循环和条件语句），因此缩进错误会阻止代码执行。以下是完整的解决方案： ```python import pandas as pd import numpy as np from sklearn.decomposition import PCA from sklearn.preprocessing import StandardScaler import matplotlib.pyplot as plt import matplotlib.font_manager as fm import os import sys import traceback import logging import time def setup_logging(): log_file = r'C:\Users\DELL\Desktop\PCA_analysis.log' logging.basicConfig( level=logging.DEBUG, format='%(asctime)s - %(levelname)s - %(message)s', handlers=[ logging.FileHandler(log_file, encoding='utf-8'), logging.StreamHandler(sys.stdout) ] ) return logging.getLogger('PCA_Analysis') def get_excel_sheet_names(file_path): """获取Excel文件中所有工作表名称""" try: xl = pd.ExcelFile(file_path) return xl.sheet_names except Exception as e: logging.error(f"获取工作表名称失败: {str(e)}") return [] def setup_chinese_font(logger): """设置中文字体支持""" try: # 尝试多种常见中文字体 plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'KaiTi', 'Arial Unicode MS'] plt.rcParams['axes.unicode_minus'] = False logger.info("中文字体设置成功") return True except Exception as e: logger.error(f"字体设置错误: {e}") try: font_path = 'C:/Windows/Fonts/simhei.ttf' if os.path.exists(font_path): font_prop = fm.FontProperties(fname=font_path) plt.rcParams['font.family'] = font_prop.get_name() plt.rcParams['axes.unicode_minus'] = False logger.info(f"已手动设置字体: {font_path}") return True else: logger.warning("未找到simhei.ttf字体文件") return False except Exception as font_error: logger.error(f"手动字体设置失败: {font_error}") return False def perform_pca_analysis(data, period_name, output_dir, logger): """执行PCA分析并生成所有结果""" result = {'success': False} try: logger.info(f"开始分析时间段: {period_name}") if data.empty: logger.warning(f"{period_name}时间段数据为空，跳过") return result if data.isnull().any().any(): logger.warning("数据包含缺失值，将使用列均值填充") data = data.fillna(data.mean()) scaler = StandardScaler() scaled_data = scaler.fit_transform(data.T) pca = PCA(n_components=2) principal_components = pca.fit_transform(scaled_data) # 创建得分图DataFrame score_df = pd.DataFrame( principal_components, columns=['主成分1', '主成分2'], index=data.columns ) # 创建载荷图DataFrame loadings_df = pd.DataFrame( pca.components_.T, columns=['PC1', 'PC2'], index=data.index ) explained_variance = pca.explained_variance_ratio_ # 生成得分图 plt.figure(figsize=(10, 8)) plt.scatter(score_df['主成分1'], score_df['主成分2'], s=50, alpha=0.7) for year, row in score_df.iterrows(): plt.annotate(str(year), (row['主成分1'] + 0.02, row['主成分2'] + 0.02), fontsize=9) plt.title(f'PCA分析 - {period_name}时间段', fontsize=16) plt.xlabel(f'主成分1 (方差贡献率: {explained_variance[0]:.2%})', fontsize=12) plt.ylabel(f'主成分2 (方差贡献率: {explained_variance[1]:.2%})', fontsize=12) plt.grid(True, linestyle='--', alpha=0.6) score_path = os.path.join(output_dir, f'PCA_得分图_{period_name}.png') plt.savefig(score_path, dpi=300, bbox_inches='tight') plt.close() # 生成载荷图 plt.figure(figsize=(12, 10)) ax = plt.gca() for i, indicator in enumerate(loadings_df.index): x = loadings_df.loc[indicator, 'PC1'] y = loadings_df.loc[indicator, 'PC2'] ax.arrow(0, 0, x, y, head_width=0.05, head_length=0.05, fc='red', ec='red', alpha=0.7) ax.text(x * 1.15, y * 1.15, indicator, color='blue', fontsize=10, bbox=dict(facecolor='white', alpha=0.5, edgecolor='none')) circle = plt.Circle((0,0), 1.0, color='gray', fill=False, linestyle='--', alpha=0.3) ax.add_artist(circle) plt.axhline(y=0, color='k', linestyle='--', alpha=0.3) plt.axvline(x=0, color='k', linestyle='--', alpha=0.3) max_val = max(loadings_df.abs().max().max() * 1.3, 1.0) plt.xlim(-max_val, max_val) plt.ylim(-max_val, max_val) plt.title(f'指标因子载荷图 - {period_name}时间段', fontsize=16) plt.xlabel(f'主成分1 (方差贡献率: {explained_variance[0]:.2%})', fontsize=12) plt.ylabel(f'主成分2 (方差贡献率: {explained_variance[1]:.2%})', fontsize=12) plt.grid(True, linestyle='--', alpha=0.4) loading_path = os.path.join(output_dir, f'PCA_载荷图_{period_name}.png') plt.savefig(loading_path, dpi=300, bbox_inches='tight') plt.close() # 保存数据结果 result_path = os.path.join(output_dir, f'PCA_结果_{period_name}.xlsx') with pd.ExcelWriter(result_path) as writer: score_df.to_excel(writer, sheet_name='得分矩阵') loadings_df.to_excel(writer, sheet_name='载荷矩阵') variance_df = pd.DataFrame({ '主成分': ['PC1', 'PC2'], '方差贡献率': explained_variance, '累计贡献率': [explained_variance[0], sum(explained_variance[:2])] }) variance_df.to_excel(writer, sheet_name='方差解释', index=False) result.update({ 'success': True, 'score_path': score_path, 'loading_path': loading_path, 'result_path': result_path, 'explained_variance': explained_variance }) logger.info(f"时间段 {period_name} 分析成功!") return result except Exception as e: logger.error(f"分析时间段 {period_name} 时出错: {str(e)}") logger.error(traceback.format_exc()) return result def main(): logger = setup_logging() try: logger.info("="*50) logger.info("PCA分析程序启动") logger.info("="*50) # 设置中文字体支持 setup_chinese_font(logger) # 创建输出目录 output_dir = r'C:\Users\DELL\Desktop\PCA_Results' try: os.makedirs(output_dir, exist_ok=True) logger.info(f"输出目录已创建: {output_dir}") except Exception as e: logger.error(f"创建输出目录失败: {e}") return # 安全读取Excel文件 file_path = r'C:\Users\DELL\Desktop\underdata05.xlsx' try: logger.info(f"正在读取Excel文件: {file_path}") if not os.path.exists(file_path): raise FileNotFoundError(f"文件不存在: {file_path}") # 获取所有工作表名称 sheet_names = get_excel_sheet_names(file_path) logger.info(f"Excel文件中包含的工作表: {sheet_names}") # 检查目标工作表是否存在 target_sheet = 'underdata05' if target_sheet not in sheet_names: # 尝试自动匹配工作表（不区分大小写） matched_sheets = [name for name in sheet_names if name.lower() == target_sheet.lower()] if matched_sheets: logger.warning(f"工作表 '{target_sheet}' 未找到，但发现相似工作表: {matched_sheets[0]}") target_sheet = matched_sheets[0] else: # 尝试默认使用第一个工作表 logger.warning(f"工作表 '{target_sheet}' 未找到，将使用第一个工作表: {sheet_names[0]}") target_sheet = sheet_names[0] logger.info(f"最终使用的工作表: {target_sheet}") # 读取Excel文件 df = pd.read_excel(file_path, sheet_name=target_sheet, header=0, index_col=0) if df.shape[0] == 0 or df.shape[1] == 0: raise ValueError("数据为空或格式不正确") logger.info(f"数据读取成功! 形状: {df.shape}") logger.info(f"前5个指标: {df.index.tolist()[:5]}") logger.info(f"前5个年份: {df.columns.tolist()[:5]}") except Exception as e: logger.error(f"文件读取失败: {str(e)}") logger.error(traceback.format_exc()) return # 定义时间段划分 time_periods = { "1952-1977": (1952, 1977), "1978-1991": (1978, 1991), "1992-2012": (1992, 2012), "2013-2025": (2013, 2025) } # 分时段执行PCA all_results = {} for name, (start_year, end_year) in time_periods.items(): try: logger.info(f"\n{'='*50}") logger.info(f"处理时间段: {name} ({start_year}-{end_year})") period_cols = [col for col in df.columns if start_year <= col <= end_year] if not period_cols: logger.warning(f"警告: {name}时间段无数据，跳过") continue period_data = df[period_cols] result = perform_pca_analysis(period_data, name, output_dir, logger) all_results[name] = result except Exception as e: logger.error(f"处理时间段 {name} 时出错: {str(e)}") logger.error(traceback.format_exc()) # 生成汇总报告 try: summary_path = os.path.join(output_dir, 'PCA_分析汇总报告.txt') with open(summary_path, 'w', encoding='utf-8') as f: f.write("PCA分析结果汇总报告\n") f.write("="*50 + "\n\n") f.write(f"分析时间: {time.strftime('%Y-%m-%d %H:%M:%S')}\n") f.write(f"源文件: {file_path}\n") f.write(f"工作表名称: {target_sheet}\n") f.write(f"输出目录: {output_dir}\n\n") for name, result in all_results.items(): f.write(f"时间段: {name}\n") if result.get('success', False): f.write(f"状态: 成功\n") f.write(f"主成分1方差贡献率: {result['explained_variance'][0]:.2%}\n") f.write(f"主成分2方差贡献率: {result['explained_variance'][1]:.2%}\n") f.write(f"累计方差贡献率: {sum(result['explained_variance'][:2]):.2%}\n") f.write(f"得分图路径: {result['score_path']}\n") f.write(f"载荷图路径: {result['loading_path']}\n") f.write(f"详细结果路径: {result['result_path']}\n") else: f.write(f"状态: 失败\n") f.write("-"*50 + "\n\n") f.write("\n生成文件列表:\n") files = os.listdir(output_dir) for file in files: f.write(f"- {file}\n") logger.info(f"汇总报告已保存: {summary_path}") except Exception as e: logger.error(f"生成汇总报告时出错: {str(e)}") logger.error(traceback.format_exc()) logger.info("\n" + "="*50) logger.info(f"PCA分析完成! 结果保存至: {output_dir}") logger.info("="*50) except Exception as e: logger.critical(f"程序发生未捕获的异常: {str(e)}") logger.critical(traceback.format_exc()) finally: input("按Enter键退出程序...") if __name__ == "__main__": main() ``` ### Python 缩进规则详解 Python 使用缩进来定义代码块结构，而不是像其他语言那样使用花括号。以下是关键规则： 1. **一致的缩进级别**： ```python if condition: # 缩进4个空格 print("条件成立") # 同一代码块保持相同缩进 else: # 另一个代码块 print("条件不成立") ``` 2. **缩进单位**： - 推荐使用4个空格（PEP 8标准） - 避免混合使用空格和制表符（Tab） - 大多数IDE会自动将Tab转换为空格 3. **多行语句的缩进**： ```python # 括号内的多行语句 result = some_function( arg1, arg2, arg3 ) # 反斜杠显式续行 long_string = "这是一个非常长的字符串，需要" \ "分成多行编写" ``` ### 常见缩进错误及修复方法 | 错误类型 | 示例 | 修复方法 | |----------|------|----------| | 意外的缩进 | `print("Hello")`<br>` print("World")` | 移除多余缩进 | | 缺少缩进 | `if True:`<br>`print("应缩进")` | 添加4个空格缩进 | | 缩进不一致 | `if True:`<br>` print("缩进4")`<br>` print("缩进2")` | 统一使用4个空格 | | 空行缩进 | ` # 空行有空格` | 删除空行中的空格 | ### 避免缩进错误的技巧 1. **使用专业的代码编辑器**： - VS Code、PyCharm等编辑器会显示缩进指南 - 启用"显示空白字符"功能（查看不可见字符） 2. **配置编辑器设置**： - 设置Tab大小为4个空格 - 启用"自动将Tab转换为空格" - 在VS Code中配置： ```json { "editor.tabSize": 4, "editor.insertSpaces": true, "editor.renderWhitespace": "all" } ``` 3. **使用代码格式化工具**： - 安装Black：`pip install black` - 运行格式化：`black your_script.py` - 这将自动修复所有缩进问题 4. **检查混合空格和制表符**： ```python # 在Python脚本开头添加 if True: print("检查混合缩进") # ^ 这里可能有制表符和空格混合 ``` - 使用`python -tt your_script.py`检查混合缩进 - 错误消息会显示：`TabError: inconsistent use of tabs and spaces in indentation` 5. **复制代码时的注意事项**： - 粘贴代码后重新调整缩进 - 使用编辑器的"重新缩进"功能（在VS Code中是Ctrl+Shift+P > "重新缩进行"） ### 如何修复现有代码 1. **手动修复**： - 逐行检查缩进 - 确保所有代码块使用一致的4空格缩进 - 删除行尾多余空格 2. **使用自动格式化**： ```bash # 安装autopep8 pip install autopep8 # 修复缩进问题 autopep8 --in-place --aggressive --aggressive your_script.py ``` 3. **检查特定行**： - 错误消息通常包含行号：`IndentationError: unexpected indent (line 19)` - 直接跳转到指定行检查