你好！我是视觉专家。根据你提供的报错截图，问题出在 **第 80 行** 的 `print` 语句中。 ### 🔍 错误分析 报错信息 `SyntaxError: unterminated string literal (detected at line 80)` 意思是 **“未终止的字符串字面量”**。 仔细看截图中的第 80 行代码： ```python print("\n ``` 这里的双引号 `"` 后面直接跟了一个换行符，而字符串的内容（即下一行的 `[建模分析]...`）没有用括号或三引号包裹起来，导致 Python 认为字符串在第 80 行就结束了，但没找到闭合的引号，或者认为你想写多行字符串但格式不对。 在 Python 中，如果 `print` 的内容要跨行写，通常有两种改法： 1. **单行写完**（推荐）。 2. **使用三引号** `"""..."""` 支持多行。 3. **利用括号自动换行**（但在字符串内部直接回车是不行的，除非用三引号）。 --- ### ✅ 修改后的代码 我已经修复了第 80-84 行的打印逻辑，将其改为标准的单行 f-string 格式，确保代码能顺利运行。 请使用以下完整代码替换之前的版本： ```python import pandas as pd import numpy as np from scipy.interpolate import interp1d from scipy.signal import savgol_filter import matplotlib.pyplot as plt # =================配置区域================= INPUT_FILE = '附件 3.xlsx' # 请确保文件名一致 OUTPUT_FILE = 'problem3_result.xlsx' TARGET_FREQ = 10 # 目标频率 10Hz CURRENT_FREQ_EST = 4 # 估计当前频率 # ========================================= def load_and_inspect_data(file_path): """加载数据并检查基本统计信息""" try: if file_path.endswith('.csv'): df = pd.read_csv(file_path) else: df = pd.read_excel(file_path) # 标准化列名映射 col_map = {} for col in df.columns: if '时间' in col or 'time' in col.lower(): col_map[col] = 'time' elif 'X' in col.upper(): col_map[col] = 'x' elif 'Y' in col.upper(): col_map[col] = 'y' df.rename(columns=col_map, inplace=True) # 确保时间列是数值型且排序 df['time'] = pd.to_numeric(df['time'], errors='coerce') df = df.dropna(subset=['time', 'x', 'y']).sort_values('time').reset_index(drop=True) print(f"✅ 数据加载成功。样本数：{len(df)}") print(f" 时间范围：{df['time'].min():.2f}s - {df['time'].max():.2f}s") print(f" 平均采样间隔：{np.mean(np.diff(df['time'])):.4f}s") return df except Exception as e: print(f"❌ 读取文件失败：{e}") return None def detect_system_bias(df): """ 检测并校正系统偏差 思路：使用 Savitzky-Golay 滤波获取平滑轨迹作为参考，计算残差均值作为系统偏差 """ # 窗口长度必须是奇数，且小于数据长度 window_length = min(11, len(df) if len(df) % 2 == 1 else len(df)-1) # 平滑处理 (polyorder=2) smooth_x = savgol_filter(df['x'].values, window_length, 2) smooth_y = savgol_filter(df['y'].values, window_length, 2) # 计算残差 residual_x = df['x'].values - smooth_x residual_y = df['y'].values - smooth_y # 系统偏差估计 (残差的均值) bias_x = np.mean(residual_x) bias_y = np.mean(residual_y) # 随机噪声水平 (标准差) noise_std_x = np.std(residual_x) noise_std_y = np.std(residual_y) # --- 修复部分开始 --- # 原代码第 80 行报错是因为字符串未正确闭合，这里改为单行打印 print("\n🔍 [建模分析] 系统偏差与噪声评估:") print(f" 估计系统偏差 (Bias): dx = {bias_x:.6f} m, dy = {bias_y:.6f} m") print(f" 随机噪声标准差 (Std): σx = {noise_std_x:.6f} m, σy = {noise_std_y:.6f} m") # --- 修复部分结束 --- # 判断是否存在显著系统偏差 (阈值：偏差 > 10% 噪声标准差) if abs(bias_x) > 0.1 * noise_std_x or abs(bias_y) > 0.1 * noise_std_y: print(" ⚠️ 结论：检测到潜在的系统性偏差，建议校正。") # 校正：减去偏差 df_corrected = df.copy() df_corrected['x'] -= bias_x df_corrected['y'] -= bias_y return df_corrected, (bias_x, bias_y) else: print(" ✅ 结论：未发现显著系统偏差，数据主要为随机噪声。") return df, (0.0, 0.0) def interpolate_to_10hz(df_raw): """将数据重采样到 10Hz (0.1s 间隔)""" t_start = df_raw['time'].min() t_end = df_raw['time'].max() # 生成 10Hz 时间轴 t_new = np.arange(t_start, t_end, 0.1) # 三次样条插值 f_x = interp1d(df_raw['time'], df_raw['x'], kind='cubic', fill_value="extrapolate") f_y = interp1d(df_raw['time'], df_raw['y'], kind='cubic', fill_value="extrapolate") x_new = f_x(t_new) y_new = f_y(t_new) df_10hz = pd.DataFrame({ 'time': t_new, 'x': x_new, 'y': y_new }) print(f"\n🔄 [数据处理] 已完成重采样:") print(f" 原始点数：{len(df_raw)} -> 新点数 (10Hz): {len(df_10hz)}") return df_10hz def visualize_trajectory(df_original, df_processed, bias): """绘制对比图""" plt.figure(figsize=(12, 6)) # 子图 1: 轨迹对比 plt.subplot(1, 2, 1) plt.plot(df_original['x'], df_original['y'], 'r.', label='原始数据 (Raw)', markersize=3, alpha=0.6) plt.plot(df_processed['x'], df_processed['y'], 'b-', label='处理后轨迹 (10Hz + Corrected)', linewidth=1) plt.title(f'Trajectory Comparison\n(Bias Correction: dx={bias[0]:.4f}, dy={bias[1]:.4f})') plt.xlabel('X (m)') plt.ylabel('Y (m)') plt.legend() plt.grid(True, linestyle='--', alpha=0.5) plt.axis('equal') # 子图 2: 速度分析 dt = np.diff(df_processed['time']) dx = np.diff(df_processed['x']) dy = np.diff(df_processed['y']) velocity = np.sqrt(dx**2 + dy**2) / dt plt.subplot(1, 2, 2) plt.plot(df_processed['time'][1:], velocity, 'g-', label='Speed (m/s)') plt.title('Velocity Profile (10Hz Data)') plt.xlabel('Time (s)') plt.ylabel('Speed (m/s)') plt.legend() plt.grid(True, linestyle='--', alpha=0.5) plt.tight_layout() plt.savefig('problem3_analysis.png') print("\n📊 可视化图表已保存为 'problem3_analysis.png'") def main(): print("🚀 开始执行问题 3 建模与代码...") # 1. 加载数据 df = load_and_inspect_data(INPUT_FILE) if df is None: return # 2. 检测并校正系统偏差 df_corrected, bias = detect_system_bias(df) # 3. 重采样到 10Hz df_final = interpolate_to_10hz(df_corrected) # 4. 保存结果 df_output = df_final.copy() df_output['time'] = df_output['time'].round(4) df_output['x'] = df_output['x'].round(6) df_output['y'] = df_output['y'].round(6) df_output.to_excel(OUTPUT_FILE, index=False) print(f"\n💾 结果已保存至：{OUTPUT_FILE}") # 5. 可视化 visualize_trajectory(df, df_final, bias) print("\n✅ 问题 3 全部完成！") if __name__ == "__main__": main() ``` ### 主要修改点 我将原来容易出错的跨行 `print`： ```python # 错误写法 print("\n [建模分析] ... ``` 修改为了标准的单行写法： ```python # 正确写法 print("\n🔍 [建模分析] 系统偏差与噪声评估:") ``` 这样既保留了换行符 `\n` 的功能，又符合 Python 语法规范，不会再报 `SyntaxError` 了。你可以直接复制运行。