文件 Linux Shell 中的列操作

Question

我有一个文件，其中的条目由空格分隔。例如：

example.txt

24676 256 218503341 2173
13236272 500 1023073758 5089
2230304 96 15622969 705
0 22 0 526
13277 28 379182 141

我想在命令行中打印“第 1 列/第 3 列”或类似的结果。我相信它可以用awk来完成。但是，有些条目是 0，因此除以 0 给出：

致命：尝试除以零

在更高级的情况下，我想找到除法的中值（或某个百分位数）。

Answer 1

有很多方法可以忽略除数为零的行，包括：

awk '$3 != 0 { print $1/$3 }' your-data-file

awk '{ if ($3 != 0) print $1/$3 }' your-data-file

问题变了——改为打印 0。答案并不难：

awk '{ if ($3 != 0) print $1/$3; else print 0 }' your-data-file

中位数和其他百分位数更难处理。如果数据按排序顺序排列是最简单的。如此简单，我希望使用数字排序，然后从那里处理数据。

---

我挖出了一个旧的 shell 脚本，它计算描述性统计数据 - 单个数字列的最小值、最大值、众数、中位数和十分位数：

:   "@(#)$Id: dstats.sh,v 1.2 1997/06/02 21:45:00 johnl Exp $"
#
#   Calculate Descriptive Statistics: min, max, median, mode, deciles

sort -n $* |
awk 'BEGIN { max = -999999999; min = 999999999; }
    {   # Accumulate basic data
        count[$1]++;
        item[++n] = $1;
        if ($1 > max) max = $1;
        if ($1 < min) min = $1;
    }
END {   # Print Descriptive Statistics
        printf("# Count = %d\n", n);
        printf("# Min = %d\n", min);
        decile = 1;
        for (decile = 10; decile < 100; decile += 10)
        {
            idx = int((decile * n) / 100) + 1;
            printf("# %d%% decile = %d\n", decile, item[idx]);
            if (decile == 50)
                median = item[idx];
        }
        printf("# Max = %d\n", max);

        printf("# Median = %d\n", median);
        for (i in count)
        {
            if (count[i] > count[mode])
                mode = i;
        }
        printf("# Mode = %d\n", mode);
    }'

min 和 max 的初始值并不完全科学。它可以说明一个观点。

（这个 1997 年的版本与其 1991 年的前身几乎相同 - 实际上，除了版本信息行是相同的。所以，代码已经有 20 多年的历史了。）

Answer 2

这里有一个解决方案：

awk '
  $3 != 0 { vals[$NR]=$1/$3; sum += vals[$NR]; print vals[$NR] }
  $3 == 0 { vals[$NR]=0; print "skipping division by 0" }
  END { sort vals; print "Mean = " sum/$NR ", Median ~ " vals[$NR/2] }
  ' < your_file

如果第 3^rd 列不为零，这将计算、打印和累加商。当它到达文件的末尾时（应该不有一个空行），它将打印所有商的平均值和中位数，假设每一行都为 0，其中它会被零除.

awk中，$n表示n^th字段，以1开头，$NR表示有记录数（即行数）被处理。每个商都存储在数组vals中，使我们能够计算中值。

在现实生活中，中位数定义为给定奇数个元素的“中间”项，或给定偶数个元素的两个“中间”项的平均值。

在实现sort 函数时，您只能靠自己！