本文介绍使用纯 python 解析带前缀编号的文本数据，按“基础名称_1”为分组触发点，对连续相邻行（同组）的数值列求平均值，并输出简洁结果。无需外部库，逻辑清晰，适用于日志、实验数据等场景。
在处理结构化文本数据时，常遇到类似 apple_1、apple_2、apple_3 这样以 _1 为起始标识、后续编号递增的连续行序列。需求并非简单按字符串分组，而是*识别“新组开始”的信号（即 _1 行），并将此前累积的同名行（如所有 `apple_`）的数值列求平均**——这本质上是一种“滑动分组聚合”，关键在于状态管理而非静态分组。
以下是一个健壮、无依赖的 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):
"""输出当前组的平均结果：prev 为组名，cols 为累加和列表，count 为行数"""
if prev: # 避免首次空输出
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 # 当前组的基础名称（如 "apple"）
for line in data:
parts = line.strip().split()
if not parts: # 跳过空行
continue
key, *values = parts
try:
nums = list(map(float, values)) # 安全转浮点
except ValueError:
raise ValueError(f"Invalid numeric values in line: {line.strip()}")
# 解析键：分离基础名与编号（如 apple_2 → ("apple", "2")）
if "_" not in key:
raise ValueError(f"Key '{key}' lacks underscore format (e.g., 'apple_1')")
fruit, n_str = key.rsplit("_", 1)
if n_str == "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() # 新组首行值作为初始累加值
count = 1
else:
# 同组后续行：逐列累加
if len(cols) != len(nums):
raise ValueError(f"Column count mismatch in line: {line.strip()}")
for i in range(len(cols)):
cols[i] += nums[i]
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
✅ 关键设计说明：
- 状态驱动：用 prev、cols、count 三变量维护当前组上下文，避免预读或回溯；
- 精准分组边界：仅当遇到 *_1 时才触发上一组输出并开启新组，确保 apple_1/apple_2/apple_3 被视为同一逻辑组；
- 健壮性增强：添加空行跳过、数值校验、列数一致性检查及格式异常提示；
- 内存友好：逐行处理，不加载全量数据，适合大文件。
⚠️ 注意事项：
- 输入文件需保证每行至少两列（键 + 数值），且数值列全部可转为浮点；
- 键必须含单个下划线（如 apple_1），多下划线（如 my_apple_1）将被截取为 my_apple；
- 若首行非 *_1，程序会跳过该行（因 prev is None 且未初始化 cols）；建议数据规范以 _1 开头。
此方法兼顾简洁性与工程可靠性，是处理此类“隐式序列分组”问题的经典模式。
