如何使用 awk 计算第 2 列中的中值，第 1 列有重复行？

【问题标题】：how to use awk to calculae the median values in column 2, with column 1 has repeated rows?如何使用 awk 计算第 2 列中的中值，第 1 列有重复行？
【发布时间】：2014-04-29 12:40:12
【问题描述】：

我有一个如下文件：

1 , 2.0
1 , 59.0
1 , 0.3
2 , 4.5
2 , 2.3
3 , 15.4
4 , 82.4
4 , 5.7
4 , 9.0

我想在列重复时找到第 2 列的中位数，所需的输出如下：

1 , 2.0
2 , 3.4
3 , 15.4
4 , 9.0

我如何使用 awk 和 sort 来做到这一点？非常感谢！

【问题讨论】：

标签： sorting awk multiple-columns median

【解决方案1】：

这是awk 的一种方式。

median.awk 的内容

BEGIN { FS = OFS = " , " }
function find_med(count, med) {
    if(count == 1) {
        return med[1];
    } 
    else if(count == 2) {
        return ((med[1] + med[2]) / 2);
    } 
    else {
       return med[sprintf("%0.f",((count / 2) + 1))];
    }
}
NR>1 && $1 != seen {
    median = find_med(cnt, total);
    print seen, median;
    delete total;
    cnt = 0
}
{
    seen = $1;
    total[++cnt] = $2;
}
END {
    median = find_med(cnt, total);
    print seen, median;
}

运行如下：

$ awk -f median.awk <(sort -nk1,1 -k2,2 -t',' file)
1 , 2.0
2 , 3.4
3 , 15.4
4 , 9.0

【讨论】：

真正的爱的劳动，+1！