本文介绍如何使用纯 python 读取文本文件，按首列键名前缀（如 apple_1、apple_2）自动识别逻辑组，并对每组内所有相邻行（以 `_1` 为组起始标志）的数值列求平均值，最终输出简洁汇总结果。
在处理结构化但非标准的文本数据时（例如实验记录、日志摘要或批量采集结果），常需对“逻辑连续行”进行聚合——而非简单按固定行数分组。本例中，数据以 xxx_1、xxx_2、xxx_3 等形式隐式定义组边界：每个 _1 表示新组开始，其后连续的同前缀行（如 apple_2、apple_3）属于同一组；组内所有数值列（第2–4列）需逐列求平均，前缀（如 apple）作为输出标识。
以下为完整可运行解决方案（无需 Pandas 或 NumPy，仅依赖内置模块）：
def averages(lst, n):
"""生成器：对列表中每个元素除以 n，返回浮点平均值"""
for v in lst:
yield v / n
def dump(prev, cols, count):
"""输出当前组结果：前缀 + 各列平均值（保留小数）"""
if prev:
print(prev, *averages(cols, count))
# 主逻辑：逐行解析，动态累积并触发输出
with open("example.txt") as data:
cols = [] # 存储当前组所有数值列的累加和（长度=列数）
count = 0 # 当前组已处理行数
prev = None # 当前组前缀（如 'apple'）
for line in data:
line = line.strip()
if not line: # 跳过空行
continue
parts = line.split()
key, *values = parts
nums = list(map(float, values)) # 强制转 float，支持小数输入
# 拆分键：apple_2 → ('apple', '2')
fruit, suffix = key.rsplit("_", 1)
if suffix == "1":
# 遇到新组起点：先输出上一组结果（如有），再重置状态
dump(prev, cols, count)
prev = fruit
cols = nums.copy() # 初始化新组累加数组
count = 1
else:
# 同组后续行：逐列累加
for i in range(len(nums)):
cols[i] += nums[i]
count += 1
# 文件结束，输出最后一组
dump(prev, cols, count)关键设计说明：
- ✅ 组识别机制：严格以 _1 作为组起始信号（如 book_1、cook_1），确保逻辑清晰、无歧义；
- ✅ 内存友好：不加载全部数据到内存，适合大文件流式处理；
- ✅ 类型安全：使用 float() 转换，兼容整数与小数输入；
- ⚠️ 注意事项：
- 输入文件需保证每行至少含 2 列（键 + 一个数值），否则 rsplit("_", 1) 或 map(float, values) 可能报错，建议增加异常处理（如 try/except ValueError）；
- 若存在 xxx_0 或非数字后缀（如 xxx_a），需扩展 suffix == "1" 的判断逻辑；
- 输出为标准浮点格式（如 2.0），如需控制小数位数，可在 print 中使用格式化：f"{v:.1f}"。
运行后，输入示例将精准输出：
apple 2.0 3.0 4.0 book 1.0 4.0 5.0 cook 3.0 5.0 6.0 book 2.0 3.0 4.0
该方案兼顾可读性、健壮性与低依赖性，是处理此类“隐式分组+行间聚合”任务的典型 Python 实践。
