python - 根据 python 中的特定列对行进行分组和平均 - 改写

Question

我有一个很大的制表符分隔文件，如下所示:

chr1    9507728 9517729 0   chr1    9507728 9517729 5S_rRNA
chr1    9537731 9544392 0   chr1    9537731 9547732 5S_rRNA
chr1    9497727 9507728 0   chr1    9497727 9507728 5S_rRNA
chr1    9517729 9527730 0   chr1    9517729 9527730 5S_rRNA
chr8    1118560 1118591 1   chr8    1112435 1122474 AK128400
chr8    1118591 1121351 0   chr8    1112435 1122474 AK128400
chr8    1121351 1121382 1   chr8    1112435 1122474 AK128400
chr8    1132513 1142552 0   chr8    1132513 1142552 AK128400
chr19   53436277    53446295    0   chr19   53436277    53446295    AK128361
chr19   53456313    53465410    0   chr19   53456313    53466331    AK128361
chr19   53465410    53465441    1   chr19   53456313    53466331    AK128361
chr19   53466331    53476349    0   chr19   53466331    53476349    AK128361

根据最后一列，有 3 组，每组有 4 行。根据第四列的值，我想获得每组第一行、每组第二行、每组第三行和每组第四行的平均值。因此，在预期输出中，我将有 4 行(因为每组有 4 行)和 2 列。第一列是 ID，在本例中为 1、2、3 和 4。第二列是我提到的应如何计算的平均值。

预期输出:

1   0.33
2   0
3   0.66
4   0

我正在尝试使用以下命令在 python 2.7 中执行此操作:

file = open('myfile.txt', 'r')
average = []
for i in file:
    ave = i[3]/3
    average.append(ave)

这仅返回一个错误的数字。你知道如何修复它以获得预期的输出吗？

Answer 1

这是一种方法:

with open("myfile.txt") as inFile:
    lines = [" ".join(line.split()) for line in inFile]
    s=0
    for i in range(4):
        for j in range(0,9,4):
            s += int(lines[i + j].split()[3])
        avg = s / 3
        print("%d   %.2f" % (i+1, avg))
        s=0

输出:

1   0.33
2   0.00
3   0.67
4   0.00

或者您可以使用列表理解:

with open("myfile.txt") as inFile:
    lines = [" ".join(line.split()) for line in inFile]
    s = [sum([int(lines[i + j].split()[3]) for j in range(0,9,4)]) for i in range(4)]
    avg = [elem / 3 for elem in s]
    for i, value in enumerate(avg):
        print("%d   %.2f" % (i+1, value))

请记住，上述代码片段是按照您在问题中提供的确切数据格式进行测试的。