本文介绍使用python对文本文件中具有相同前缀标识（如apple_1、apple_2）的连续行进行数值列聚合，按“_1”作为新组起始标志，自动计算每组内各数值列的算术平均值。
在处理结构化但非标准格式的日志或实验数据时，常遇到类似场景：多行记录共享同一逻辑实体名（如 apple_1, apple_2, apple_3），需将这些“相邻且同源”的行合并为一行统计结果——典型操作即计算各数值列的平均值。关键在于识别分组边界：本例中，以 _1 结尾的行（如 apple_1, book_1）标志着一个新组的开始，而其后连续出现的 _2, _3 等则属于该组，直到下一个 _1 出现为止。
以下是一个轻量、无外部依赖的纯 Python 实现：
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):
"""输出当前组的聚合结果：前缀 + 各列平均值"""
if prev: # 避免首组前的空输出
print(prev, *averages(cols, count))
# 主逻辑
with open("example.txt") as data:
cols = [] # 存储当前组所有行对应列的累加和
count = 0 # 当前组行数计数器
prev = None # 当前组的公共前缀（如 'apple'）
for line in data:
parts = line.split()
if not parts: # 跳过空行
continue
key, *values = parts
nums = list(map(float, values)) # 转为浮点数，支持小数输入
# 拆分键名：'apple_1' → ('apple', '1')
fruit, suffix = key.rsplit("_", 1)
if suffix == "1":
# 遇到新组起点：先输出上一组结果（若存在）
dump(prev, cols, count)
# 重置为新组
prev = fruit
cols = nums.copy() # 初始化累加数组
count = 1
else:
# 同组后续行：逐列累加
for i, val in enumerate(nums):
cols[i] += val
count += 1
# 文件结束，输出最后一组
dump(prev, cols, count)运行效果（输入示例文件）：
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
✅ 注意事项：
- 该算法严格依赖 _1 作为分组锚点，不依赖全局去重或字典索引，因此天然保持原始行序与分组顺序；
- 所有数值列均强制转为 float，确保精度并兼容小数输入；
- 若某组仅含一行（如独立的 book_1），其输出即为原值（等价于除以 1）；
- 空行会被自动跳过，增强鲁棒性；
- 如需整数输出，可在 print() 中对 *averages(...) 结果做 int(round(x)) 处理，但建议保留浮点以避免精度损失。
此方案简洁、高效、可读性强，适用于中等规模数据（百万行内），无需加载全部数据到内存，适合流式处理场景。
