Apakah ada cara untuk mendapatkan min, maks, median, dan rata-rata daftar angka dalam satu perintah?

Saya memiliki daftar angka dalam file, satu per baris. Bagaimana saya bisa mendapatkan nilai minimum, maksimum, median dan rata - rata ? Saya ingin menggunakan hasil dalam skrip bash.

Meskipun situasi langsung saya adalah untuk bilangan bulat, solusi untuk angka floating-point akan berguna di telepon, tetapi metode bilangan bulat sederhana baik-baik saja.

Anda dapat menggunakan bahasa pemrograman R .

Berikut ini adalah skrip R cepat dan kotor:

#! /usr/bin/env Rscript
d<-scan("stdin", quiet=TRUE)
cat(min(d), max(d), median(d), mean(d), sep="\n")

Perhatikan "stdin"di scanmana merupakan nama file khusus untuk dibaca dari input standar (artinya dari pipa atau pengalihan).

Sekarang Anda dapat mengarahkan ulang data Anda melalui stdin ke skrip R:

$ cat datafile
1
2
4
$ ./mmmm.r < datafile
1
4
2
2.333333

Juga berfungsi untuk floating point:

$ cat datafile2
1.1
2.2
4.4
$ ./mmmm.r < datafile2
1.1
4.4
2.2
2.566667

Jika Anda tidak ingin menulis file skrip R, Anda dapat memanggil true-liner (dengan linebreak hanya untuk keterbacaan) di baris perintah menggunakan Rscript:

$ Rscript -e 'd<-scan("stdin", quiet=TRUE)' \
          -e 'cat(min(d), max(d), median(d), mean(d), sep="\n")' < datafile
1
4
2
2.333333

Baca manual R yang bagus di http://cran.r-project.org/manuals.html .

Sayangnya referensi lengkap hanya tersedia dalam PDF. Cara lain untuk membaca referensi adalah dengan mengetikkan ?topicnameprompt sesi R interaktif.

Untuk kelengkapan: ada perintah R yang menampilkan semua nilai yang Anda inginkan dan banyak lagi. Sayangnya dalam format ramah manusia yang sulit diurai secara terprogram.

> summary(c(1,2,4))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  1.000   1.500   2.000   2.333   3.000   4.000 

Saya sebenarnya menyimpan sedikit program awk untuk memberikan jumlah, jumlah data, datum minimum, datum maksimum, rata-rata dan median dari satu kolom data numerik (termasuk angka negatif):

#!/bin/sh
sort -n | awk '
  BEGIN {
    c = 0;
    sum = 0;
  }
  $1 ~ /^(\-)?[0-9]*(\.[0-9]*)?$/ {
    a[c++] = $1;
    sum += $1;
  }
  END {
    ave = sum / c;
    if( (c % 2) == 1 ) {
      median = a[ int(c/2) ];
    } else {
      median = ( a[c/2] + a[c/2-1] ) / 2;
    }
    OFS="\t";
    print sum, c, ave, median, a[0], a[c-1];
  }
'

Script di atas membaca dari stdin, dan mencetak kolom-kolom output yang dipisahkan tab pada satu baris.

Dengan datamash GNU :

$ printf '1\n2\n4\n' | datamash max 1 min 1 mean 1 median 1
4   1   2.3333333333333 2

Min, maks dan rata-rata cukup mudah didapat dengan awk:

% echo -e '6\n2\n4\n3\n1' | awk 'NR == 1 { max=$1; min=$1; sum=0 }
   { if ($1>max) max=$1; if ($1<min) min=$1; sum+=$1;}
   END {printf "Min: %d\tMax: %d\tAverage: %f\n", min, max, sum/NR}'
Min: 1  Max: 6  Average: 3,200000

Menghitung median sedikit lebih rumit, karena Anda perlu mengurutkan angka dan menyimpan semuanya dalam memori untuk sementara waktu atau membacanya dua kali (pertama kali menghitungnya, kedua - untuk mendapatkan nilai median). Berikut adalah contoh yang menyimpan semua angka dalam memori:

% echo -e '6\n2\n4\n3\n1' | sort -n | awk '{arr[NR]=$1}
   END { if (NR%2==1) print arr[(NR+1)/2]; else print (arr[NR/2]+arr[NR/2+1])/2}' 
3

pythonpy bekerja dengan baik untuk hal seperti ini:

cat file.txt | py --ji -l 'min(l), max(l), numpy.median(l), numpy.mean(l)'

Minimum:

jq -s min

Maksimum:

jq -s max

Median:

sort -n|awk '{a[NR]=$0}END{print(NR%2==1)?a[int(NR/2)+1]:(a[NR/2]+a[NR/2+1])/2}'

Rata-rata:

jq -s add/length

Dalam jqopsi -s( --slurp) buat array untuk jalur input setelah mengurai setiap baris sebagai JSON, atau sebagai nomor dalam kasus ini.

nums=$(<file.txt); 
list=(`for n in $nums; do printf "%015.06f\n" $n; done | sort -n`); 
echo min ${list[0]}; 
echo max ${list[${#list[*]}-1]}; 
echo median ${list[${#list[*]}/2]};

Dan liner satu (panjang) Perl, termasuk median:

cat numbers.txt \
| perl -M'List::Util qw(sum max min)' -MPOSIX -0777 -a -ne 'printf "%-7s : %d\n"x4, "Min", min(@F), "Max", max(@F), "Average", sum(@F)/@F,  "Median", sum( (sort {$a<=>$b} @F)[ int( $#F/2 ), ceil( $#F/2 ) ] )/2;'

Opsi khusus yang digunakan adalah:

• -0777 : baca seluruh file sekaligus, bukan baris demi baris
• -a : autosplit ke dalam array @F

Versi skrip yang lebih mudah dibaca dari hal yang sama adalah:

#!/usr/bin/perl

use List::Util qw(sum max min);
use POSIX;

@F=<>;

printf "%-7s : %d\n" x 4,
    "Min", min(@F),
    "Max", max(@F),
    "Average", sum(@F)/@F,
    "Median", sum( (sort {$a<=>$b} @F)[ int( $#F/2 ), ceil( $#F/2 ) ] )/2;

Jika Anda ingin desimal, gantikan %ddengan sesuatu seperti %.2f.

Simple-r adalah jawabannya:

r summary file.txt
r -e 'min(d); max(d); median(d); mean(d)' file.txt

Ia menggunakan lingkungan R untuk menyederhanakan analisis statistik.

Hanya demi memiliki berbagai opsi yang disajikan pada halaman ini, Berikut adalah dua cara lagi:

1: oktaf

• GNU Octave adalah bahasa yang ditafsirkan tingkat tinggi, terutama ditujukan untuk perhitungan numerik. Ini memberikan kemampuan untuk solusi numerik masalah linier dan nonlinier, dan untuk melakukan eksperimen numerik lainnya.

Ini adalah contoh oktaf cepat.

octave -q --eval 'A=1:10;
  printf ("# %f\t%f\t%f\t%f\n", min(A), max(A), median(A), mean(A));'  
# 1.000000        10.000000       5.500000        5.500000

2: bash + alat tujuan tunggal .

Agar bash menangani angka floating-point, skrip ini menggunakan numprocessdan numaveragedari paket num-utils.

PS. Saya juga memiliki pandangan yang masuk akal bc, tetapi untuk pekerjaan khusus ini, ia tidak menawarkan apa pun selain apa yang awkdilakukannya. Ini adalah (seperti 'c' dalam 'bc' menyatakan) kalkulator — kalkulator yang membutuhkan banyak pemrograman awkdan skrip bash ini ...

arr=($(sort -n "LIST" |tee >(numaverage 2>/dev/null >stats.avg) ))
cnt=${#arr[@]}; ((cnt==0)) && { echo -e "0\t0\t0\t0\t0"; exit; }
mid=$((cnt/2)); 
if [[ ${cnt#${cnt%?}} == [02468] ]] 
   then med=$( echo -n "${arr[mid-1]}" |numprocess /+${arr[mid]},%2/ )
   else med=${arr[mid]}; 
fi     #  count   min       max           median        average
echo -ne "$cnt\t${arr[0]}\t${arr[cnt-1]}\t$med\t"; cat stats.avg 

Saya akan memilih lesmana kedua dari R dan menawarkan program R pertama saya. Bunyinya satu angka per baris pada input standar dan menulis empat angka (min, maks, rata-rata, median) yang dipisahkan oleh spasi ke output standar.

#!/usr/bin/env Rscript
a <- scan(file("stdin"), c(0), quiet=TRUE);
cat(min(a), max(a), mean(a), median(a), "\n");

Di bawah sort/ awktandem melakukannya:

sort -n | awk '{a[i++]=$0;s+=$0}END{print a[0],a[i-1],(a[int(i/2)]+a[int((i-1)/2)])/2,s/i}'

(Ini menghitung median sebagai rata-rata dari dua nilai pusat jika jumlah nilai genap)

Mengambil petunjuk dari kode Bruce, berikut ini adalah implementasi yang lebih efisien yang tidak menyimpan seluruh data dalam memori. Sebagaimana dinyatakan dalam pertanyaan, diasumsikan bahwa file input memiliki (paling banyak) satu nomor per baris. Itu menghitung baris dalam file input yang berisi angka yang memenuhi syarat dan melewati hitungan ke awkperintah bersama dengan (sebelumnya) data yang diurutkan. Jadi, misalnya, jika file tersebut berisi

6.0
4.2
8.3
9.5
1.7

maka input ke awksebenarnya

5
1.7
4.2
6.0
8.3
9.5

Kemudian awkskrip menangkap jumlah data dalam NR==1blok kode dan menyimpan nilai tengah (atau dua nilai tengah, yang dirata-rata untuk menghasilkan median) ketika melihatnya.

FILENAME="Salaries.csv"

(awk 'BEGIN {c=0} $1 ~ /^[-0-9]*(\.[0-9]*)?$/ {c=c+1;} END {print c;}' "$FILENAME"; \
        sort -n "$FILENAME") | awk '
  BEGIN {
    c = 0
    sum = 0
    med1_loc = 0
    med2_loc = 0
    med1_val = 0
    med2_val = 0
    min = 0
    max = 0
  }

  NR==1 {
    LINES = $1
    # We check whether numlines is even or odd so that we keep only
    # the locations in the array where the median might be.
    if (LINES%2==0) {med1_loc = LINES/2-1; med2_loc = med1_loc+1;}
    if (LINES%2!=0) {med1_loc = med2_loc = (LINES-1)/2;}
  }

  $1 ~ /^[-0-9]*(\.[0-9]*)?$/  &&  NR!=1 {
    # setting min value
    if (c==0) {min = $1;}
    # middle two values in array
    if (c==med1_loc) {med1_val = $1;}
    if (c==med2_loc) {med2_val = $1;}
    c++
    sum += $1
    max = $1
  }
  END {
    ave = sum / c
    median = (med1_val + med2_val ) / 2
    print "sum:" sum
    print "count:" c
    print "mean:" ave
    print "median:" median
    print "min:" min
    print "max:" max
  }
'

Ini numadalah awkpembungkus kecil yang persis melakukan ini dan banyak lagi, misalnya

$ echo "1 2 3 4 5 6 7 8 9" | num max
9
$ echo "1 2 3 4 5 6 7 8 9" | num min max median mean
..and so on

itu menyelamatkan Anda dari menciptakan kembali roda di awk ultra-portabel. Dokumen diberikan di atas, dan tautan langsung di sini (periksa juga halaman GitHub ).

Dengan perl:

$ printf '%s\n' 1 2 4 |
   perl -MList::Util=min,max -MStatistics::Basic=mean,median -w -le '
     chomp(@l = <>); print for min(@l), max(@l), mean(@l), median(@l)'
1
4
2.33
2

cat/pythonsatu-satunya solusi - bukan bukti input kosong!

cat data |  python3 -c "import fileinput as FI,statistics as STAT; i = [int(l) for l in FI.input()]; print('min:', min(i), ' max: ', max(i), ' avg: ', STAT.mean(i), ' median: ', STAT.median(i))"

Jika Anda lebih tertarik pada utilitas daripada menjadi keren atau pintar, maka itu perladalah pilihan yang lebih mudah daripada awk. Pada umumnya ini akan ada di setiap * nix dengan perilaku konsisten, dan mudah dan gratis untuk menginstal di windows. Saya pikir itu juga kurang samar daripada awk, dan akan ada beberapa modul statistik yang dapat Anda gunakan jika Anda ingin setengah jalan antara menulis sendiri dan sesuatu seperti R. Saya cukup belum diuji (sebenarnya saya tahu itu memiliki bug tetapi berfungsi untuk tujuan saya ) perlskrip membutuhkan waktu sekitar satu menit untuk menulis, dan saya kira satu-satunya bagian rahasia akan menjadi while(<>), yang merupakan singkatan yang sangat berguna, yang berarti mengambil file yang dilewatkan sebagai argumen baris perintah, membaca satu baris pada satu waktu dan meletakkan baris dalam variabel khusus$_. Jadi Anda bisa meletakkan ini dalam file bernama count.pl dan menjalankannya sebagai perl count.pl myfile. Terlepas dari itu, jelas sekali menyakitkan apa yang terjadi.

$max = 0;
while (<>) {
 $sum = $sum + $_;
 $max = $_ if ($_ > $max);
 $count++;
}
$avg=$sum/$count;
print "$count numbers total=$sum max=$max mean=$avg\n";

function median()
{
    declare -a nums=($(cat))
    printf '%s\n' "${nums[@]}" | sort -n | tail -n $((${#nums[@]} / 2 + 1)) | head -n 1
}