# 创建新列'RiskLevel'，根据住院天数判断风险等级 3分

_____________ = _____________(_____________, '高风险患者', '低风险患者')

# 定义BMI区间和标签

Bmi_bins = [0, 18.5, 24, 28, np.inf]

Bmi_labels = ['偏瘦', '正常', '超重', '肥胖']

# 根据BMI值划分指定区间 4分

Data['BMIRange'] = _____________(_____________, _____________, _____________, right=False) # 使用左闭右开区间

# 定义年龄区间和标签

Age_bins = [0, 26, 36, 46, 56, 66, np.inf]

Age_labels = ['≤25岁', '26-35岁', '36-45岁', '46-55岁', '56-65岁', '＞65岁']

# 根据年龄值划分指定区间 4分

Data['AgeRange'] = _____________(_____________, _____________, _____________, right=False) # 使用左闭右开区间

# 对传感器类型进行分组，并计算每个组的数据数量和平均值 3分

Sensor_stats = _____________(_____________)['Value']._____________

# 输出结果

Print("传感器数据数量和平均值:")

Print(sensor_stats)

# 筛选出温度和湿度数据，然后按位置和传感器类型分组，计算每个组的平均值 2分

Location_stats = data[data['SensorType']._____________._____________['Value'].mean().unstack()

# 标记异常值 3分 三个空格之间用；分割

Data['is_abnormal'] = _____________(

((_____________) & ((data['Value'] < -10) | (data['Value'] > 50))) |

((_____________) & ((data['Value'] < 0) | (data['Value'] > 100))),

True, False)

_____________('cleaned_sensor_data.csv', _____________)