如何使用awk计算一天内重复记录的平均值？

Question

谁能告诉我如何使用 awk 使用数据集的唯一 id ($1) 和测量 ($3) 记录来计算每天 ($2) 重复记录的平均值。 数据集如下所示：

32070     2010-12-15    540  
32070     2010-12-15    546  
32070     2010-12-15    549  
32070     2010-12-17    579  
32070     2010-12-17    553  
25903     2010-12-15    556  
25903     2010-12-15    543  
25903     2010-12-15    564  
25903     2010-12-16    567  
25903     2010-12-16    583 

我希望根据每个唯一 ID ($1) 的测量 ($3) 计算平均每天记录 ($2)，并分别打印我的输出文件，如下所示：

32070  2010-12-15    545  
32070  2010-12-17    566  
25903  2010-12-15     554.33  
25903  2010-12-16     575  

Answer 1

$ cat tst.awk
{ curr = $1 OFS $2 }
curr != prev { if (cnt) print prev, sum / cnt; sum=cnt=0 }
{ sum+=$3; cnt++; prev=curr }
END { if (cnt) print prev, sum / cnt }

$ awk -f tst.awk file
32070 2010-12-15 545
32070 2010-12-17 566
25903 2010-12-15 554.333
25903 2010-12-16 575

这个答案和@Ruslans 答案的区别在于：

1. His 将整个输入文件存储在内存中，而上面仅将 4 个变量（curr、prev、sum 和 cnt）的值存储在内存中。
2. 他以随机（在大多数 awk 实现中实际上是散列）顺序输出结果，而上面的输出以它们在输入中出现的顺序。
3. 无论您的输入以什么顺序出现，他都会起作用，而上述依赖于您的输入按 id 和日期排序。

Answer 2

BEGIN { SUBSEP = "@" }

{ a[$1,$2] += $3; n[$1,$2]++ }

END {
  for (x in a) {
    split(x, parts, SUBSEP)
    print parts[1] " " parts[2] " " a[x] / n[x]
  }
}

输出

25903 2010-12-15 554.333
25903 2010-12-16 575
32070 2010-12-15 545
32070 2010-12-17 566

说明

SUBSEP 是一个内部变量，用于分隔multidimensional arrays 中的键。它的默认值是"\034"，它不太可能出现在输入中。出于调试目的，我已将其设置为 @。您可以跳过修改此变量。

与“预期输出”相比，输出的顺序不同。但是您可以使用sort 工具按列轻松对其进行排序。例如，以下将按第二列对输出进行排序，然后按第一列（按此顺序）：

awk -f script.awk file | sort -k2 -k1g

输出

25903 2010-12-15 554.333
25903 2010-12-16 575
32070 2010-12-15 545
32070 2010-12-17 566

这只是一个示例。你应该有大致的想法。根据需要修改命令。