☰

Calcular el promedio en awk según la condición de la columna en csv

tag-icon • tag-icon text-processing awk csv numeric-data
Calcular el promedio en awk según la condición de la columna en csv

Tengo el siguiente csvformato.Hay valores de todo el mes, pero los he fragmentado.:

2415.02,2203.35,00:17,25:May:2017,
3465.02,2203.35,01:17,25:May:2017,
2465.02,2203.35,12:17,26:May:2017,
465.02,2203.35,13:17,26:May:2017,
245.02,2203.35,14:17,26:May:2017,
2465.02,2203.35,05:17,26:May:2017,
2865.02,2203.35,06:17,27:May:2017,
2490.12,2203.35,07:17,27:May:2017,

Necesito calcular el promedio de la primera columna ($1) en función de los valores de ese día ($4). Tenga en cuenta que puedo reformatear la fecha, si es necesario para facilitar el cálculo.

Mi miserable intento fue este:

$ awk  '{FS=","; day=$4;value+=$1} END{ print  day,value/NR}' file
27:May:2017 2109.41

Necesito un resultado como este:

Average for 25th May is *average_for_25th_day*
Average for 27th May is *average_for_26th_day*
Average for 28th May is *average_for_27th_day*

Respuesta1

Mira esto:

awk -F, '{date1[$4]+=$1;++date2[$4]}END{for (key in date1) print "Average of",key,"is",date1[key]/date2[key]}' file
Average of 27:May:2017 is 2677.57
Average of 26:May:2017 is 1410.02
Average of 25:May:2017 is 2940.02

Explicación:

-F,: Define el delimitador . Alternativamente podría serawk 'BEGIN{FS=","}...

Luego creamos dos matrices date1y date2en las que usamos el cuarto campo $4como índice/clave de la matriz y el primer campo $1como valor agregado al valor existente de la misma posición de la matriz.

Entonces para la primera fila tendríamos

date1[27:May:2017]+=2415.02
++date2[27:May:2017]--> aumenta el valor en 1 --> valor 1 para la primera línea

Para la siguiente misma fecha (línea 2) tendríamos

date1[27:May:2017]+=2415.02 + 3465.02
++date2[27:May:2017]--> aumenta el valor en 1 --> valor 2 (segunda línea)

La misma lógica se extiende a todas las líneas que tienen la misma fecha y también a todas las fechas diferentes.

Al final, usamos un forbucle para iterar a través de las claves de la matriz date1(o date2- las claves son las mismas en ambas matrices => $4) y para cada keyencontrada imprimimos key(= la fecha $4) y también imprimimos el date1[key]valor = suma de todos $1los valores para la misma fecha $4, divididos por date2[key]valor = recuento numérico de las líneas encontradas que tienen la misma fecha = igual $4.

Respuesta2

Aquí hay una variante, usandoMezcla de datos GNUpara hacer el promedio:

datamash -t, groupby 4 mean 1 < file | 
  awk -F'[,:]' '{printf "Average for %dth %s is %f\n", $1,$2,$4}'
Average for 25th May is 2940.020000
Average for 26th May is 1410.020000
Average for 27th May is 2677.570000

información relacionada