pyhton读取csv文件，在前面加一列ID，每一列进行归一化，最后加一行的归一化以后的均值

在Python中，我们可以使用pandas库来处理CSV文件并完成你提到的操作。首先，你需要导入pandas库，然后按照以下步骤操作：

1. **读取CSV文件**：

   import pandas as pd
   df = pd.read_csv('your_file.csv')

将`your_file.csv`替换为你实际的CSV文件路径。

2. **添加ID列**：

   df['ID'] = range(1, len(df) + 1)

3. **数据归一化**：
归一化可以使用pandas的`applymap()`函数结合匿名函数（lambda表达式）实现。这里假设所有的数值型列需要进行归一化：

   numerical_columns = df.select_dtypes(include='number').columns.tolist()
   for column in numerical_columns:
       df[column] = (df[column] - df[column].mean()) / df[column].std()  # 标准差除法实现Z-score归一化

如果你想使用最小-最大规范化（Min-Max Scaling），可以将`std()`换成`max()`和`min()`。

4. **计算归一化后的均值行**：

   normalized_mean_row = df[numerical_columns].mean().tolist()
   normalized_mean_row_df = pd.DataFrame(normalized_mean_row, columns=numerical_columns, index=['Mean'])

5. **合并原数据和归一化后的均值行**：

   df = pd.concat([df, normalized_mean_row_df], ignore_index=True)

6. **保存结果**：

   df.to_csv('output_normalized.csv', index=False)