Python不靠Pandas算CSV平均值教程

本教程旨在指导读者如何在不依赖Pandas库的情况下，使用Python从CSV文件中读取数据并计算特定数据列的平均值。文章重点解决常见的IndexError问题，通过详细讲解列表初始化、数据解析和正确的索引技巧，提供一个健壮且易于理解的解决方案，确保代码能适应不同行数和列数的数据文件。

在数据分析领域，Pandas库无疑是处理表格数据的强大工具。然而，在某些特定场景下，例如受限于环境、需要更底层控制或学习基础Python文件操作时，我们可能需要在不使用Pandas的情况下，手动从CSV文件中读取数据并进行计算。本文将专注于一个常见需求：计算CSV文件中指定数值列的平均值，并解决初学者常遇到的IndexError问题。

理解并解决 IndexError

初学者在使用列表进行累加操作时，常常会遇到IndexError: list index out of range。这通常发生在尝试访问或修改一个列表中尚不存在的索引位置时。例如，如果 averages 是一个空列表 []，那么 averages[0] += value 就会立即报错，因为 averages 中并没有索引为 0 的元素。

错误的初始化方式示例：

averages = []
# ... 在循环中尝试 averages[i] += value 会导致 IndexError

正确的初始化方式：

为了避免 IndexError，我们需要在开始累加数据之前，根据需要计算平均值的列数，预先初始化 averages 列表。一个简单有效的方法是创建一个包含零的列表，其长度等于需要计算平均值的列数。

num_columns_to_average = ... # 根据数据确定需要平均的列数
averages = [0.0] * num_columns_to_average # 使用浮点数0初始化

这样，每个索引位置都预先存在一个 0.0 值，后续的累加操作 (averages[i] += value) 就能顺利进行。

数据读取、解析与平均值计算

假设我们有一个CSV文件，其中第一行是标题，第一列是行标识符（例如序号），而后续列是我们需要计算平均值的数值数据。

示例数据结构：RADIOLOGY.csv

Sr    JAN FEB MAR APR
1   2317    5327    997 986
2   2605    5617    1085    1105
3   2364    5490    1061    998
4   2975    6236    1129    1164
5   2766    5877    1206    1104
6   2762    6058    1295    908
7   3020    6602    1274    1089
8   2576    5644    1091    1041
9   3329    6643    1396    1130
10  2989    6284    1330    1192

核心步骤：

1. 文件读取： 使用 open() 函数以文本模式读取CSV文件，并通过 readlines() 获取所有行。
2. 确定列数： 根据标题行（或任意数据行）确定需要计算平均值的列数。通常，这等于总列数减去非数据列（如行标识符）。
3. 列表初始化： 初始化一个长度等于数据列数的列表，所有元素为 0.0，用于存储每列的总和。
4. 遍历数据行：
   • 跳过标题行。
   • 对于每一行，将其分割成独立的数值字符串。
   • 跳过行标识符列。
   • 将剩余的数值字符串转换为浮点数，并累加到对应的列总和中。
5. 计算最终平均值： 将每列的总和除以实际的数据行数（总行数减去标题行）。

下面是一个完整的Python代码示例，演示如何实现上述逻辑：

import os

def compute_column_averages(file_path):
    """
    从CSV文件中读取数据，并计算特定数值列的平均值。
    假设：
    1. CSV文件第一行是标题。
    2. CSV文件第一列是行标识符，不参与平均值计算。
    3. 数据列从第二列开始，且均为数值。
    4. 各列之间使用空格分隔。
    """
    if not os.path.exists(file_path):
        print(f"错误：文件 '{file_path}' 不存在。")
        return [], []

    with open(file_path, 'r', encoding='