如何用AWK计算多样本逗号分隔值的对应位置均值（忽略点）

我有以下空格分隔的数据：

SampleX=1,1,2,3 SampleY=1,1,2,3 SampleZ=1,1,2,3 
SampleX=0,0,0,1 SampleY=.,.,.,. SampleZ=0,1,1,1

需要对每行做汇总，计算所有样本中对应位置值的均值，忽略点（.）。比如第一行有3个样本，每个含4个值，对应位置的期望输出如下：

A B C D
1 1 2 3
0 0.5 0.5 1

我之前用AWK实现过类似的统计，但当时是做事件计数：

计数场景输入数据 #

SampleX=1/1 SampleY=0/0 SampleZ=1/1 
SampleX=0/1 SampleY=./. SampleZ=1/0

计数规则 #

• 0/0 记为A
• 1/0 或 0/1 记为B
• 1/1 记为C

计数结果 #

A B C
1 0 2
0 2 0

当时使用的AWK命令 #

echo "SampleA=1/1 SampleB=0/0 SampleC=1/1 
SampleA=0/1 SampleB=./. SampleC=1/0" | awk 'BEGIN {OFS="\t"; print "A\tB\tC"} {B=gsub(/0\|1|1\|0|0\/1|1\/0/, ""); A=sub(/1\|1|1\/1/, ""); C=gsub(/0\|0|0\/0/, ""); print A,B,C}'

但我不知道怎么修改这个命令，来处理逗号分隔的值并计算均值。

可以用下面的AWK命令实现需求，代码会逐行处理每个样本的逗号分隔值，忽略.并计算对应位置的均值：

echo "SampleX=1,1,2,3 SampleY=1,1,2,3 SampleZ=1,1,2,3 
SampleX=0,0,0,1 SampleY=.,.,.,. SampleZ=0,1,1,1" | awk '
BEGIN {
    OFS=" "
    # 输出表头
    print "A B C D"
}
{
    # 初始化每行的总和、计数数组，清空上一行残留数据
    split("", sums)
    split("", counts)
    # 遍历当前行的每个样本（空格分隔的字段）
    for (i=1; i<=NF; i++) {
        # 拆分样本标识和值列表
        split($i, kv, "=")
        # 把值列表拆成单个元素
        split(kv[2], vals, ",")
        # 逐个处理每个位置的值
        for (j=1; j<=length(vals); j++) {
            if (vals[j] != ".") {
                sums[j] += vals[j]
                counts[j]++
            }
        }
    }
    # 拼接均值结果行
    line = ""
    for (j=1; j<=length(sums); j++) {
        if (counts[j] > 0) {
            mean = sums[j] / counts[j]
            # 整数输出整数，非整数保留一位小数（可按需调整精度）
            line = line (mean == int(mean) ? int(mean) : mean) " "
        } else {
            # 全为.的情况可自定义输出，这里留空
            line = line " "
        }
    }
    # 去掉末尾多余空格后输出
    sub(/ $/, "", line)
    print line
}'

代码逻辑说明 #

1. 初始化阶段：在BEGIN块设置输出分隔符为空格，打印表头A B C D。
2. 逐行处理：
   • 每次处理新行前，重置总和sums和计数counts数组，避免上一行数据干扰。
   • 遍历当前行的每个样本字段，拆分出每个样本的数值列表。
   • 对每个位置的数值，若不是.就累加到对应位置的总和，并增加计数。
3. 计算并输出均值：遍历每个位置，用总和除以计数得到均值，处理整数和小数的显示格式，最后拼接成一行输出。

运行该命令后，输出结果与期望完全一致：

A B C D
1 1 2 3
0 0.5 0.5 1

内容的提问来源于stack exchange，提问作者Gabriel G.