我来帮你搞定这段代码的问题，你遇到的核心问题有两个：循环内提前return导致只返回第一个i的结果，还有一个大小写敏感的变量名笔误，同时我们需要实现所有X值的求和逻辑。

问题拆解 #

1. 提前返回问题：你把return X放在了for循环内部，这会导致函数在第一次循环（i=0）时就直接返回结果，根本不会执行后续的循环迭代。
2. 变量名笔误：Python是大小写敏感的，你写的v_err[I]里的大写I应该改成小写的i，否则会抛出未定义变量的错误。
3. 求和逻辑缺失：原代码没有对所有i对应的X值进行累加，需要先初始化一个累加变量，循环中逐个累加，最后返回总和。

修正后的完整代码 #

import pandas as pd
import numpy as np

mylist = [1837214300022020, 1837214300022195, 1837214300022425, 1837214300022451] 
for x in mylist: 
    # 读取Even CSV，pd.read_csv直接返回DataFrame，无需重新构造
    df_even = pd.read_csv(f"Even{x}.csv") 
    b = df_even['mag'] 
    b_mean = b.mean() 
    b_err = df_even['magerr'] 
    
    # 读取Odd CSV
    df_odd = pd.read_csv(f"Odd{x}.csv") 
    v = df_odd['mag'] 
    v_mean = v.mean() 
    v_err = df_odd['magerr'] 
    
    n = len(df_even.index)
    
    def StetsonIndex(b, v, b_mean, v_mean, b_err, v_err, n): 
        total = 0  # 初始化累加变量
        # 遍历所有索引（注意range(0, n)即可，覆盖所有n个元素）
        for i in range(n): 
            # 修正变量名笔误：I -> i
            term = ((b[i] - b_mean)/b_err[i]) * ((v[i] - v_mean)/v_err[i])
            total += term
        # 乘以公式系数后返回总和
        return np.sqrt(1/(n*(n-1))) * total 
    
    print(f"ID {x} 的Stetson指数: {StetsonIndex(b, v, b_mean, v_mean, b_err, v_err, n)}")

额外优化说明 #

• 简化了DataFrame构造：pd.read_csv本身就返回DataFrame，不需要再用pd.DataFrame(data, columns=names)重复构造，直接赋值更简洁。
• 使用f-string格式化文件名，比format()更易读。
• 调整循环范围：原代码range(0,n-1,1)会漏掉最后一个元素（索引n-1），改成range(n)可以覆盖所有n个数据点。
• 将n作为参数传入函数，让函数逻辑更独立，避免依赖外部变量。

现在这段代码会正确遍历所有i的值，计算每个i对应的项并累加，最后乘以公式中的系数，得到正确的Stetson指数结果。

内容的提问来源于stack exchange，提问作者Punk