显然，您需要针对 Ranges.txt 中的每一行运行 Numbers.txt 中的每一行。
您可以只遍历 Numbers.txt，并且对于每一行，遍历 Ranges.txt。但这将永远花费数百万次读取整个 Ranges.txt 文件。
您可以将它们都读入内存，但这会占用大量存储空间，这意味着在您完成读取和预处理这两个文件之前，您将无法进行任何处理。
因此，您要做的是将 Ranges.txt 读入内存一次，然后将其存储为例如整数对的列表，但懒惰地读取 Numbers.txt，遍历每个数字的列表。
这种事情时时出现。通常，您希望将较大的集合放入外部循环，并使其尽可能惰性，而较小的集合进入内部循环，并对其进行预处理以使其尽可能快。但是，如果可以更有效地预处理更大的集合（并且您有足够的内存来存储它！），请反过来。
说到预处理，你可以做的比仅仅读入一个整数对列表要好得多。如果您对 Ranges.txt 进行排序，您可以通过二等分找到最接近的范围，然后只需检查（18 步），而不是详尽地检查每个范围（100000 步）。
这对 stdlib 来说有点麻烦，因为在使用 时很容易出错bisect，但是有很多 ActiveState 配方可以使它更容易（包括从官方文档链接的一个），更不用说第三个了-party 模块之类的blist或bintrees在简单的 OO 界面中为您提供排序集合的模块。
所以，像这样的伪代码：
with open('ranges.txt') as f:
ranges = sorted([map(int, line.split()) for line in f])
range_values = {}
with open('numbers.txt') as f:
rows = (map(int, line.split()) for line in f)
for number, value in rows:
use the sorted ranges to find the appropriate range (if any)
range_values.setdefault(range, []).append(value)
with open('output.txt') as f:
for r, values in range_values.items():
mean = sum(values) / len(values)
f.write('{} {} {}\n'.format(r[0], r[1], mean))
顺便说一句，如果解析结果比仅split在每一行上调用更复杂，我建议使用该csv模块......但看起来这在这里不会成为问题。
如果不能将 Ranges.txt 放入内存，但可以放入 Numbers.txt，该怎么办？好吧，您可以对其进行排序，然后遍历 Ranges.txt，找到排序后的数字中的所有匹配项，然后写出该范围的结果。
这有点复杂，因为您必须 bisect_left 和 bisect_right 并迭代其间的所有内容。但这是唯一更难的方法。（在这里，第三方类将提供更多帮助。例如，使用 abintrees.FastRBTree作为您的排序集合，它只是sorted_number_tree[low:high].）
如果范围可以重叠，你需要更聪明一点——你必须找到最接近的范围而不超过起点，以及最接近的范围而不超过终点，并检查两者之间的所有内容。但其中的主要技巧与上一版本使用的技巧完全相同。唯一的另一个技巧是保留两个范围的副本，一个按起始值排序，一个按结束排序，您需要将其中一个映射到另一个索引，而不仅仅是一个普通列表。