如何使用Python计算文件中多个列的平均值

Question

你好，我有一个文件，里面的列太多了，无法在Excel中打开。每一列有10行数字，数字范围是0到2，并且每列的第一行是列的标题。我想要的输出是列的名称和这10行的平均值。这个文件太大，Excel 2000打不开，所以我得试试用Python。你有什么简单的方法可以推荐吗？

这里是前3列的样本：

试验1 试验2 试验3

1 0 1

0 0 0

0 2 0

2 2 2

1 1 1

1 0 1

0 0 0

0 2 0

2 2 2

1 1 1

我希望Python能输出一个测试文件

试验1 试验2 试验3
1 2 1（无论平均值是多少）

Answer 1

你可以使用Python自带的csv模块：

import csv
csvReader = csv.reader(open('input.txt'), delimiter=' ')
headers = csvReader.next()
values = [map(int, row) for row in csvReader]

def average(l):
    return float(sum(l)) / len(l)

averages = [int(round(average(trial))) for trial in zip(*values)]

print ' '.join(headers)
print ' '.join(str(x) for x in averages)

结果：

Trial1 Trial2 Trial3
1 1 1

Answer 2

你可以使用 Numpy 这个库：

import numpy as np
from StringIO import StringIO

s = StringIO('''\
Trial1 Trial2 Trial3
1 0 1
0 0 0
0 2 0
2 2 2
1 1 1
1 0 1
0 0 0
0 2 0
2 2 2
1 1 1
''')

data = np.loadtxt(s, skiprows=1)  # skip header row
print data.mean(axis=0)  # column means

# OUTPUT: array([ 0.8,  1. ,  0.8])

需要注意的是，loadtxt 的第一个参数可以是你的文件名，而不一定是一个像文件那样的对象。

Answer 3

这是一个不使用任何模块的内存友好的解决方案：

with open("filename", "rtU") as f:
    columns = f.readline().strip().split(" ")
    numRows = 0
    sums = [0] * len(columns)

    for line in f:
        # Skip empty lines
        if not line.strip():
            continue

        values = line.split(" ")
        for i in xrange(len(values)):
            sums[i] += int(values[i])
        numRows += 1

    for index, summedRowValue in enumerate(sums):
        print columns[index], 1.0 * summedRowValue / numRows