for i in range(len(dataset_feature)): if i < length: avgCurrent.append(np.mean(dataset_feature_Current[:i + 1])) avgVoltage.append(np.mean(dataset_feature_Voltage[:i + 1])) avgTemperature.append(np.mean(dataset_feature_Temperature[:i + 1])) else: avgCurrent.append(np.mean(dataset_feature_Current[i - (length - 1):i + 1])) avgVoltage.append(np.mean(dataset_feature_Voltage[i - (length - 1):i + 1])) avgTemperature.append(np.mean(dataset_feature_Temperature[i - (length - 1):i + 1])) dataset_feature = np.column_stack((dataset_feature, avgCurrent, avgVoltage, avgTemperature, dataY))

这段代码是一个循环，其中 `dataset_feature` 是一个二维数组，包含了电流、电压、温度和目标值等特征。循环遍历这个数组，如果当前循环次数小于 `length`，则计算前面的特征的均值；否则计算最近 `length` 个特征的均值。最后将这些均值与目标值一起组成一个新的二维数组，并将其作为函数返回值。

具体来说，当循环次数 `i` 小于 `length` 时，计算的是前 `i+1` 个特征的均值。这里的 `dataset_feature_Current`、`dataset_feature_Voltage` 和 `dataset_feature_Temperature` 分别是包含电流、电压和温度特征的一维数组。当循环次数 `i` 大于等于 `length` 时，计算的是最近 `length` 个特征的均值。这里的 `(i - (length - 1))` 表示从第 `i - (length - 1)` 个特征开始计算。

最后，将计算得到的均值和目标值 `dataY` 组成一个新的二维数组，使用 `np.column_stack()` 函数将其与原始的 `dataset_feature` 数组按列合并，形成一个新的二维数组，并作为函数的返回值。