知道如何计算列每个部分的中值

Question 1

在每个 UNIX 机器上的任何 shell 中使用任何 sort+awk：

$ cat tst.awk
$1 != prev { if (NR>1) prt(); prev=$1 }
{ vals[++cnt] = $2 }
END { prt() }

function prt(   i,med) {
    med = (vals[int((cnt+1)/2)] + vals[int((cnt/2)+1)]) / 2
    for (i=1; i<=cnt; i++) {
        print prev, vals[i], med
    }
    cnt = 0
}

$ sort -k1,1n -k2,2n file | awk -f tst.awk
111 1 5
111 5 5
111 6 5
222 1 5.5
222 3 5.5
222 8 5.5
222 9 5.5
555 6 7
555 7 7
555 9 7

$2上面的代码将当前的所有值存储$1在名为的数组中vals[]，然后当$1值更改或到达文件末尾时，它会调用prt()计算出该数组的中值，将其存储在名为的变量中med，然后在循环中打印$1所有关联的$2s 和的加法med。

上面对输出行进行了重新排序。如果这是一个问题，我们可以首先装饰行以保存其原始顺序，然后执行上面的 sort+awk，然后再次排序回原始顺序，最后取消装饰。

如果你有 GNU awk 并且你的键值已经排序，那么你可以在函数asort()内部调用prt()，然后你不需要调用sortbefore awk。如果没有排序，您可以将所有内容存储在数组中，然后在 END 部分排序。但如图sort所示，首先调用是最清晰、最简单、最高效、最便携的。

Answer

在每个 UNIX 机器上的任何 shell 中使用任何 sort+awk：

$ cat tst.awk
$1 != prev { if (NR>1) prt(); prev=$1 }
{ vals[++cnt] = $2 }
END { prt() }

function prt(   i,med) {
    med = (vals[int((cnt+1)/2)] + vals[int((cnt/2)+1)]) / 2
    for (i=1; i<=cnt; i++) {
        print prev, vals[i], med
    }
    cnt = 0
}

$ sort -k1,1n -k2,2n file | awk -f tst.awk
111 1 5
111 5 5
111 6 5
222 1 5.5
222 3 5.5
222 8 5.5
222 9 5.5
555 6 7
555 7 7
555 9 7

$2上面的代码将当前的所有值存储$1在名为的数组中vals[]，然后当$1值更改或到达文件末尾时，它会调用prt()计算出该数组的中值，将其存储在名为的变量中med，然后在循环中打印$1所有关联的$2s 和的加法med。

上面对输出行进行了重新排序。如果这是一个问题，我们可以首先装饰行以保存其原始顺序，然后执行上面的 sort+awk，然后再次排序回原始顺序，最后取消装饰。

如果你有 GNU awk 并且你的键值已经排序，那么你可以在函数asort()内部调用prt()，然后你不需要调用sortbefore awk。如果没有排序，您可以将所有内容存储在数组中，然后在 END 部分排序。但如图sort所示，首先调用是最清晰、最简单、最高效、最便携的。

Question 2

假设数据已经在第一列上按字典顺序排序，并且您使用的 shell 可以理解进程替换<(...)：

$ join file <( datamash -W groupby 1 median 2 <file )
111 5 5
111 6 5
111 1 5
222 8 5.5
222 9 5.5
222 1 5.5
222 3 5.5
555 9 7
555 7 7
555 6 7

这将使用命令的结果对文件的第一个字段执行关系 JOIN 操作

datamash -W groupby 1 median 2 <file

此命令计算第二个字段中每组值的中位数，并按第一个字段中的值分组。通过该-W选项，我们使 GNUdatamash将输入视为空格分隔。

该操作的结果是

111     5
222     5.5
555     7

将其与第一个字段的原始数据连接起来即可得到您想要的结果。

如果数据尚未在第一个字段上排序：

join <( sort -k 1,1n file ) <( datamash -s -W groupby 1 median 2 <file )

如果要确保具有相同第一个字段的行不会相对于彼此重新排序，请确保该sort file命令使用稳定的排序算法。大多数sort实现允许您使用非标准-s选项来执行此操作。

对于没有进程替换的 shell：

数据已排序：

datamash -W groupby 1 median 2 <file | join file -

数据需要排序：

sort -o file.sorted -k 1,1n file
datamash -W groupby 1 median 2 <file.sorted | join file.sorted -
rm -f file.sorted

Answer