awk 列的中位数

Question

如何使用 AWK 计算一列数值数据的中位数？

我可以想到一个简单的算法，但我似乎无法对其进行编程：

到目前为止我所拥有的是：

sort | awk 'END{print NR}' 

这给了我列中元素的数量。我想用它来打印某一行(NR/2)。如果 NR/2 不是整数，则四舍五入到最接近的整数，即中位数，否则取 (NR/2)+1 的平均值和(NR/2)-1。

Answer 1

使用awk，您必须将值存储在数组中并计算最后的中位数，假设我们查看第一列：

sort -n file | awk ' { a[i++]=$1; } END { print a[int(i/2)]; }'

当然，对于真正的中位数计算，请按照问题中所述进行舍入：

sort -n file | awk ' { a[i++]=$1; }
    END { x=int((i+1)/2); if (x < (i+1)/2) print (a[x-1]+a[x])/2; else print a[x-1]; }'

Answer 2

此 awk 程序假定一列按数字排序的数据：

#/usr/bin/env awk
{
    count[NR] = $1;
}
END {
    if (NR % 2) {
        print count[(NR + 1) / 2];
    } else {
        print (count[(NR / 2)] + count[(NR / 2) + 1]) / 2.0;
    }
}

示例用法：

sort -n data_file | awk -f median.awk

Answer 3

好的，刚刚看到这个主题，我想我可以添加我的两分钱，因为我过去寻找过类似的东西。尽管标题是 awk，但所有答案都使用了 sort。使用 datamash 可以轻松计算一列数据的中位数：

> seq 10 | datamash median 1
5.5

请注意 即使您有未排序的列，也不需要 sort：

> seq 10 | gshuf | datamash median 1
5.5

文档提供了它可以执行的所有功能，以及具有多列的文件的良好示例。无论如何，它与 awk 无关，但我认为 datamash 在这种情况下很有帮助，也可以与 awk 结合使用/代码>。希望它对某人有帮助！

Answer 4

这个基于 AWK 的答案对 unix.stackexchange.com 上的类似问题给出了与 Excel 计算中位数相同的结果。

Answer 5

如果您有一个数组来计算中位数（包含 Johnsyweb 解决方案的一行）：

array=(5 6 4 2 7 9 3 1 8) # numbers 1-9
IFS=
\n'
median=$(awk '{arr[NR]=$1} END {if (NR%2==1) print arr[(NR+1)/2]; else print (arr[NR/2]+arr[NR/2+1])/2}' <<< sort <<< "${array[*]}")
unset IFS