指定範囲ごとに平均値をとる

Question

(list)
SER    1    N   1.00   67.95  0.6848   1.20   0.20
SER    1    CA  1.00   67.95  0.3678   2.21   1.13
SER    1    C   1.00   67.95  0.8392   2.35   0.86
SER    1    O   1.00   67.95  0.6812   2.98   1.96
SER    1    CB  1.00   67.95  0.7307   2.88   1.56
SER    1    OG  1.00   67.95  0.8069   2.88   2.68
GLU    2    N   1.00  236.11  0.7504   0.15  -1.25
GLU    2    CA  1.00  236.11  0.6495   0.20  -0.62
GLU    2    C   1.00  236.11  0.7734   1.63   0.25
GLU    2    O   1.00  236.11  0.6685   1.42  -0.03
GLU    2    CB  1.00  236.11  0.7334   0.20  -0.10
GLU    2    CG  1.00  236.11 -0.4950   0.99   0.66
GLU    2    CD  1.00  236.11 -0.1495   0.75  -0.10
GLU    2    OE1 1.00  236.11  0.1339   0.77   0.98
GLU    2    OE2 1.00  236.11 -0.4915   0.13  -0.01
LEU    3    N   1.00  237.00  0.7848   0.71  -0.56
LEU    3    CA  1.00  237.00  0.6279   1.69   0.56
LEU    3    C   1.00  237.00  0.1079   2.17   1.67
LEU    3    O   1.00  237.00  0.2808   1.67   0.38
LEU    3    CB  1.00  237.00  0.0994   1.36   0.16
LEU    3    CG  1.00  237.00  0.1195  -0.42   0.65
LEU    3    CD1 1.00  237.00  0.5806   0.10   0.20
LEU    3    CD2 1.00  237.00  0.2658  -0.25   0.95
ILE    4    N   1.00  138.13  0.1390   1.99   0.27
ILE    4    CA  1.00  138.13  0.0466   1.61   0.78
ILE    4    C   1.00  138.13  0.5692  -0.13  -0.44
ILE    4    CD1 1.00  138.13  0.1299  -0.30  -0.20

このようなファイルがあり、この1列目が同じもので6列目の平均値を出したいです。

例えば1~6行目(SER)で0.6848, 0.3678, 0.8392, 0.6812, 0.7307, 0.8069の平均値をだして出力するということをしたいです。

（得たい結果）
SER 平均値の結果
GLY 平均値の結果
LEU 平均値の結果
ILE 平均値の結果

ファイルを2行目から別ファイルに書き出し、1列目が変わる行を抜き出すということをしたのですが、その先が分かりません。
また、そんなことをしなくてももっといい方法があればご教示お願いします。

Answer 1

pandasを使うのがお手軽かと。
参考：Python pandas でのグルーピング/集約/変換処理まとめ

import pandas as pd
df = pd.read_csv('inp.csv',header=None,sep=' ',skipinitialspace=True)
df.columns = ['c{}'.format(i+1) for i in range(len(df.columns))]
#print(df.head())

# １列目でグループ化して６列目の平均値を算出
df2 = df.groupby('c1',sort=False)['c6'].mean()
#print(df2)

# 結果表示
for row in df2.iteritems():
    print('{} {:.4f}'.format(row[0],row[1]))
"""
SER 0.6851
GLU 0.2859
LEU 0.3583
ILE 0.2212
"""

Comments

[退会済みユーザー]

回答ありがとうございます。
実装して感動しました！

[退会済みユーザー]

ちなみに結果に2列目も加えたい場合、どうすればよいのか教えていただけませんか？

[can110]

１列目と２列目が常に同じ（「SER 1～」「SER 2～」なデータはない）なら
df2 = df.groupby(['c1','c2'],sort=False)['c6'].mean()
でできます。
ただし出力部分のコードはちょっと修正する必要がありますが、難しくないのでご自身で考えてみてください。

[退会済みユーザー]

「SER 1～」「SER 2～」なデータがある場合はできないのでしょうか。

[can110]

別行として（２行）集計されます。それでよければできます。
仮に同行（１行）として集計したいとしても
SER 1～
SER 2～
を１列目だけで集計した結果の２列目は「１」「２」どちらを表示？
ということです。

[退会済みユーザー]

何度もすみません。
別行として集計されるので結構なので、教えていただけませんか？
SER 1~
SER 2~
を別物として平均をとりたいです。

[can110]

実際に実行されてみましたか？
df2 = df.groupby(['c1','c2'],～
でちゃんと別行として平均がとれます。

[退会済みユーザー]

実行したらうまくいきました！
確認不足で申し訳ありませんでした。
ありがとうございます。

[can110]

うまくいってよかったです。

[退会済みユーザー]

print ('{} {} {:.4f}'.format(row[0],row[1],row[2]))
と書き換えると
IndexError: tuple index out of range
となるのですが、こういうことではないのでしょうか？

[can110]

はい。ちょっと違います。まずは
print(row)
してみてデータの形を確認してみましょう。
タプルが２重になっているのが分かるかと思います

[退会済みユーザー]

print ('{} {} {:.4f}'.format(((row[0],row[1]),row[1])))
こういうことでしょうか？
度々すみません。

[can110]

いえ。違います。
例えば「t = ((1,2),3)」で1,2,3それぞれprintするには
どのようなコードを書けばよいか考えて＆試行錯誤してみてください。
「print(t[0])」すると…

[退会済みユーザー]

can110さんの期待した答えではないかもしれませんが、、、

for row in df2.iteritems():
average = ('{} {:.4f}'.format(row[0],row[1]))
t = average[2:5]
u = average[7:11]
s = average[12:19]
print t, u, s

という風にスライスを使って出力しました。
いろいろとありがとうございました。