Linux 如果其他列中的值匹配，则平均列并作为附加列打印

我有这样一个文件：

Score      1      24      HG      1  
Score      2      26      HG      2  
Score      5      56      RP      0.5  
Score      7      82      RP      1  
Score      12     97      GM      5  
Score      32     104     LS      3  

Score      1      24      HG      1      1.5
Score      2      26      HG      2      1.5  
Score      5      56      RP      0.5    0.75  
Score      7      82      RP      1      0.75  
Score      12     97      GM      5      5  
Score      32     104     LS      3      3  

如果第4列相同，我想计算第5列的平均值，并将平均值打印为第6列，以便如下所示：

Score      1      24      HG      1  
Score      2      26      HG      2  
Score      5      56      RP      0.5  
Score      7      82      RP      1  
Score      12     97      GM      5  
Score      32     104     LS      3  

Score      1      24      HG      1      1.5
Score      2      26      HG      2      1.5  
Score      5      56      RP      0.5    0.75  
Score      7      82      RP      1      0.75  
Score      12     97      GM      5      5  
Score      32     104     LS      3      3  

我已经尝试了我在这里找到的几种解决方案。 e、 g

但他们最终都是这样的：

HG      1.5
RP      0.75  
GM      5  
LS      3

---

这是不可取的，因为我丢失了很多信息。

您可以在表中迭代两次：计算第一次迭代的平均值（正如您已经做的那样），然后在第二次迭代中打印出来：

awk 'NR==FNR { total[$4] += $5; ++n[$4] } NR>FNR { print $0, total[$4] / n[$4] }' file file

请注意末尾的

文件

两次。在查看“第一个”文件时，

NR==FNR

，我们将适当的值求和，并将它们保存在内存中（变量

total

和

n

）。在“第二次”文件遍历期间，

NR>FNR

，我们打印出所有原始数据+平均值：

Score      1      24      HG      1     1.5
Score      2      26      HG      2     1.5
Score      5      56      RP      0.5   0.75
Score      7      82      RP      1     0.75
Score      12     97      GM      5     5
Score      32     104     LS      3     3

---

您可以使用1次遍历文件，但必须将整个文件存储在内存中，因此磁盘i/o与内存之间需要权衡：

awk '
    BEGIN {FS = OFS = "\t"} 
    {total[$4] += $5; n[$4]++; line[NR] = $0; key[NR] = $4} 
    END {for (i=1; i<=NR; i++) print line[i], total[key[i]] / n[key[i]]}
' file

awk'
开始{FS=OFS=“\t”}
{total[$4]+=$5；n[$4]+；line[NR]=$0；key[NR]=$4}
END{for（i=1；i第4列中的相同值总是相邻的吗？它们总是是的。工作非常完美，谢谢！末尾的文件两次不是我以前见过的。它只是意味着
awk
两次获得相同的文件。比如说
file1
，
file2
。