如何在Linux环境下使用AWK按Continent分组计算CSV文件第二列的Median值

我来帮你解决这个问题！你之前的脚本没能得到正确结果，核心问题在于没有对数据按大洲分组存储，也没有先对每组的Ratio排序——毕竟计算中位数的前提是数据有序嘛。咱们一步步来搞定：

第一步：先对CSV数据排序 #

首先得把原始CSV按Continent分组，同时让每个组内的Ratio按数值排序。用Linux的sort命令就能轻松实现：

sort -t',' -k1,1 -k2,2n input.csv > sorted.csv

命令解释：

• -t','：指定CSV的分隔符是逗号
• -k1,1：按第一列（Continent）进行排序，保证同大洲的行排在一起
• -k2,2n：按第二列（Ratio）做数值排序，这样每个大洲的Ratio就是有序的了

执行完这条命令后，sorted.csv就会变成你期望的有序格式。

第二步：用AWK脚本分组计算中位数 #

接下来编写一个AWK脚本（比如命名为calculate_median.awk），处理排序后的文件，按大洲分组计算中位数：

BEGIN {
    FS = ","          # 设置输入分隔符为逗号
    OFS = ","         # 设置输出分隔符为逗号
    print "Continent,Median"  # 输出结果的表头
}

# 跳过排序后文件的表头行
FNR == 1 { next }

# 按大洲分组存储Ratio数据
{
    # 把当前行的Ratio存入对应大洲的数组，count数组记录每个大洲的数据条数
    data[$1][++count[$1]] = $2
}

END {
    # 遍历每个大洲，计算并输出中位数
    for (continent in data) {
        total = count[continent]
        if (total % 2 == 1) {
            # 数据条数为奇数时，取中间位置的数值
            median = data[continent][(total + 1)/2]
        } else {
            # 数据条数为偶数时，取中间两个数的平均值
            median = (data[continent][total/2] + data[continent][total/2 + 1]) / 2
        }
        # 格式化输出，保留四位小数，和你期望的结果格式一致
        printf "%s,%.4f\n", continent, median
    }
}

第三步：运行脚本得到结果 #

把排序后的文件作为输入传给AWK脚本即可：

awk -f calculate_median.awk sorted.csv

如果你不想生成中间的sorted.csv文件，也可以把排序和AWK命令合并成一行，直接输出结果：

sort -t',' -k1,1 -k2,2n input.csv | awk -f calculate_median.awk

运行后你就能得到期望的结果：

Continent,Median
Africa,2.2513
Asia,3.1764
Europe,0.8286
Latin America and the Caribbean,1.4165

为什么你之前的脚本不行？ #

你之前的代码把所有Ratio都放到了同一个数组a里，没有按大洲分组，而且数据是无序的，自然无法计算出每个大洲的中位数。现在的方案先排序保证每组数据有序，再用二维数组按大洲存储数据，就能精准计算每组的中位数啦。

备注：内容来源于stack exchange，提问作者Takawako