使用Python编程，将一个数据集X={4,11,18,16,19,25,26,28,36}，采用基于平均值 的等高分箱方法对其进行平滑处理，得到新的数据集{11,11,11,20,20,20,30,30,30}。

在Python中，你可以使用pandas库来进行这种数据平滑处理。首先，我们需要创建一个DataFrame来存储原始数据集，并计算平均值作为每个分箱的阈值。然后我们将数据分成等宽的分箱，并应用平均值替换每个分箱内的所有数值。

以下是一个步骤示例：

import pandas as pd

# 定义原始数据集
data = [4, 11, 18, 16, 19, 25, 26, 28, 36]
df_original = pd.Series(data, name='Original')

# 计算平均值
mean_value = df_original.mean()

# 等高分箱，假设我们只取整数倍的平均值作为分箱边界
binned_data = pd.cut(df_original, bins=range(mean_value - mean_value % 1, max(data) + 1, mean_value))

# 将原始值替换成对应分箱的平均值
smoothed_data = binned_data.groupby(binned_data).transform('mean').astype(int)

print(smoothed_data)

在这个例子中，由于数据集中所有的数字都比平均值小，所以它们都被归到第一个分箱（包含平均值）里，结果变成了{11, 11, 11, ..., 30, 30, 30}。