如何使用awk計算一天內重複記錄的平均值？

Question

任何人都可以告訴我如何使用awk來計算使用數據集的唯一標識（$ 1）和測量（$ 3）記錄的每一天（$ 2）重複記錄的平均值。 數據集看起來如下：

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 

我想有基於每一個唯一的ID（$ 1）測量（$ 3）每天記錄（$ 2）的平均值，並分別打印我的文件輸出到容貌像如下：

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 

這個和@Ruslans回答之間的不同之處在於：

1. 他在存儲器中存儲整個輸入文件，同時在上述剛存儲了4個變量（CURR，分組，和的值，和cnt）在內存中。
2. 他輸出的結果是隨機的（實際上是大多數awk實現中的哈希）順序，而上面的輸出結果按照它們出現在輸入中的順序輸出。
3. 無論您的輸入發生在什麼順序，他的工作都會起作用，而上面的工作依賴於按ID和日期排序的輸入。

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] 
    } 
} 

輸出

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

說明

SUBSEP是在multidimensional arrays用於單獨的鍵的內部變量。它的默認值是"\034"，這不太可能出現在輸入中。我已將其設置爲@進行調試。你可以跳過修改這個變量。

與「預期輸出」相比，輸出將採用不同的順序。但是您可以使用sort工具按列分類。例如，下面將排序的第二列中的輸出，然後由所述第一柱（按該順序）：

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

輸出

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

這僅僅是一個示例。你應該有個大概的想法。根據您的需要修改命令。