如何基于字典值创建循环函数计算各文件均方误差？

当然可以实现这个需求！我来给你具体的实现方案，完全符合你的要求：

核心思路 #

• 遍历字典的键值对（文件名 + 对应的数据表）
• 对每个文件提取Total列的数据
• 计算该列的均方误差（MSE），并按指定格式打印文件名与结果

实现代码 #

假设你是用pandas读取的文件（从你给出的表格格式来看大概率是这样），下面是完整的可运行代码：

首先导入依赖库：

import pandas as pd
import numpy as np

然后定义循环计算的函数：

def compute_file_mse(file_data_dict, true_values=None):
    """
    遍历字典中的每个文件数据，计算Total列的均方误差并打印结果
    :param file_data_dict: 存储文件数据的字典，键为文件名，值为包含Total列的DataFrame
    :param true_values: 可选，真实值数组，用于计算预测值与真实值的MSE；若不传则计算相对于均值的MSE（即方差）
    """
    # 遍历字典的每个键值对
    for file_name, df in file_data_dict.items():
        # 提取Total列的数值
        total_column = df['Total'].values
        
        # 计算均方误差
        if true_values is not None:
            # 有真实值时，计算预测值与真实值的MSE
            mse = np.mean((total_column - true_values) ** 2)
        else:
            # 无真实值时，计算该列相对于自身均值的MSE（等同于方差）
            mean_total = np.mean(total_column)
            mse = np.mean((total_column - mean_total) ** 2)
        
        # 按要求格式打印结果，保留一位小数（可根据需求调整）
        print(f"{file_name} - Mean Square error is {mse:.1f}")

最后调用函数即可：

# 假设你的文件字典名为d，直接传入函数
compute_file_mse(d)

# 如果你有对应真实值（比如每个日期的预期Total），可以传入真实值数组
# example_true_values = [500, 450, 380, 200]
# compute_file_mse(d, example_true_values)

适配非pandas数据的情况 #

如果你的数据不是pandas DataFrame（比如是纯列表格式），只需要调整提取Total列的逻辑即可：

# 假设每个字典值是列表，第一行是表头，后续行是数据
total_column = [float(row[1]) for row in data[1:]]

内容的提问来源于stack exchange，提问作者R Sem