用python，完成以下代码，并显示每一步的完成进度。现在有30个csv文件,名称分别为yuchuli4.1、yuchuli4.2、yuchuli4.3以此类推到yuchuli4.30，他们的路径分别为cygnss/预处理/预处理 分/yuchuli4.1.csv，cygnss/预处理/预处理 分/yuchuli4.2.csv以此类推到cygnss/预处理/预处理 分/yuchuli4.30.csv，这些csv文件都是N乘17的矩阵，另外还有一个名称为Total_water_level的csv文件，其路径为Total water level data/Extraction results of original total water level data/Total_water_level.csv，是N乘4的矩阵。这30个csv文件和名称为Total_water_level的csv文件都含有名称为“sp_lat”、“sp_lon”、“ddm_timestamp_utc”数据，请根据他们的“sp_lat”、“sp_lon”、“ddm_timestamp_utc”数据，用最邻近插值法，将名称为Total_water_level的csv文件插到这30个csv文件中，将名称为Total_water_level的csv文件中的名称为“waterlevel”数据加到这30个csv文件的最后一列，对于yuchuli中的每一行时间戳（ddm_timestamp_utc）数据，找到Total_water_level中与之最邻近的时间戳（ddm_timestamp_utc）的点，然后在该时间戳下，找到sp_lat和sp_lon最接近的点，并且如果该点的纬度差和经度差都在1度以内，则取该值；否则不插值，并删除该行。最后将没加上“waterlevel”数据的行剔除，将加完waterlevel数据且剔除完数据的名称为yuchuli4.1的csv文件命名为pipei4.1的csv文件保存到D:\李劲阳毕设\数据匹配\分，将加完waterlevel数据的名称为yuchuli4.2的csv文件命名为pipei4.2的csv文件保存到D:\李劲阳毕设\数据匹配\分，将加完waterlevel数据的名称为yuchuli4.3的csv文件命名为pipei4.3的csv文件保存到D:\李劲阳毕设\数据匹配\分，以此类推，将加完waterlevel数据的名称为yuchuli4.30的csv文件命名为pipei4.30的csv文件保存到D:\李劲阳毕设\数据匹配\分。其中pipei4.1到pipei4.30中的4.1到4.30表示日期，最后将生成的名称为pipei4.1到pipei4.30的csv文件按日期顺序合并成一个名称为pipei4的csv文件，保存到D:\李劲阳毕设\数据匹配\总 import pandas as pd import numpy as np import os from scipy.spatial import KDTree from tqdm import tqdm # ================================================================= # 步骤1：加载总水位数据并建立时空索引 # ================================================================= print("【步骤1/5】正在加载水位总数据...") total_water = pd.read_csv(r"Total water level data/Extraction results of original total water level data/Total_water_level.csv") # 预处理时间戳（假设时间戳为Unix时间格式） total_water['timestamp_group'] = total_water['ddm_timestamp_utc'].astype(int) timestamp_groups = {} for ts, group in tqdm(total_water.groupby('timestamp_group'), desc="建立时间戳索引"): coords = group[['sp_lat', 'sp_lon']].values timestamp_groups[ts] = { 'data': group, 'kdtree': KDTree(coords) } # ================================================================= # 步骤2：定义匹配函数 # ================================================================= def match_water_level(row, ts_group): """ 核心匹配函数 """ # 在时间维度上匹配 matched_ts = min(ts_group.keys(), key=lambda x: abs(x - row['ddm_timestamp_utc'])) time_diff = abs(matched_ts - row['ddm_timestamp_utc']) # 在空间维度匹配 target_group = ts_group[matched_ts] dist, idx = target_group['kdtree'].query([[row['sp_lat'], row['sp_lon']]], k=1) # 检查地理误差 if dist[0] > 1: # 1度阈值 return np.nan return target_group['data'].iloc[idx[0]]['waterlevel'] # ================================================================= # 步骤3：处理30个文件 # ================================================================= output_dir = r"D:\李劲阳毕设\数据匹配\分" os.makedirs(output_dir, exist_ok=True) print("\n【步骤2/5】开始处理30个数据文件：") for i in tqdm(range(1, 31), desc="整体进度"): # 读取原始文件 file_num = f"4.{i}" input_path = f"cygnss/预处理/预处理 分/yuchuli{file_num}.csv" df = pd.read_csv(input_path) # 执行匹配 tqdm.write(f"正在处理 yuchuli{file_num}.csv...") df['waterlevel'] = df.apply(lambda row: match_water_level(row, timestamp_groups), axis=1) # 数据清洗 df_clean = df.dropna(subset=['waterlevel']).copy() # 保存处理结果 output_path = os.path.join(output_dir, f"pipei{file_num}.csv") df_clean.to_csv(output_path, index=False) # ================================================================= # 步骤4：合并所有文件 # ================================================================= print("\n【步骤3/5】开始合并数据文件...") merged_data = pd.DataFrame() file_list = [f"pipei4.{i}.csv" for i in range(1,31)] for fname in tqdm(sorted(file_list, key=lambda x: float(x.split('.')[1])), desc="合并进度"): file_path = os.path.join(output_dir, fname) df_part = pd.read_csv(file_path) merged_data = pd.concat([merged_data, df_part], ignore_index=True) # ================================================================= # 步骤5：保存最终结果 # ================================================================= print("\n【步骤4/5】正在保存最终合并文件...") final_output = r"D:\李劲阳毕设\数据匹配总\pipei4.csv" merged_data.to_csv(final_output, index=False) print("\n✅ 处理完成！最终文件已保存至:", final_output) 现在不需要将生成的名称为pipei4.1到pipei4.30的csv文件按日期顺序合并成一个名称为pipei4的csv文件，保存到D:\李劲阳毕设\数据匹配\总，因此为我改进以上代码并生成最终完整的代码给我