如何基于用户自定义分箱计算数值出现次数

直接用awk完成过滤、数值清洗、分箱计数、格式化输出全流程，替代原有的多管道命令，逻辑更紧凑准确：

完整命令 #

grep -i 'VIO' "$FILE" | awk '
BEGIN {
    # 初始化所有分箱的计数为0
    bin_counts["-1.0"] = 0
    bin_counts["-1.0 to -2.0"] = 0
    bin_counts["-2.1 to -3.0"] = 0
    bin_counts["-3.1 to -4.0"] = 0
    bin_counts["-4.0"] = 0
}
# 处理每行数据：提取第5列，去掉末尾的xx后缀转成数值
$5 ~ /-?[0-9]+\.[0-9]+xx/ {
    val = substr($5, 1, length($5)-2)
    # 匹配分箱规则，更新计数
    if (val > -1.0) {
        bin_counts["-1.0"]++
    } else if (val >= -2.0 && val <= -1.0) {
        bin_counts["-1.0 to -2.0"]++
    } else if (val >= -3.0 && val <= -2.1) {
        bin_counts["-2.1 to -3.0"]++
    } else if (val >= -4.0 && val <= -3.1) {
        bin_counts["-3.1 to -4.0"]++
    } else if (val < -4.0) {
        bin_counts["-4.0"]++
    }
}
# 处理完所有行后，按指定格式输出统计结果
END {
    printf "%-15s %d\n", "-1.0", bin_counts["-1.0"]
    printf "%-15s %d\n", "-1.0 to -2.0", bin_counts["-1.0 to -2.0"]
    printf "%-15s %d\n", "-2.1 to -3.0", bin_counts["-2.1 to -3.0"]
    printf "%-15s %d\n", "-3.1 to -4.0", bin_counts["-3.1 to -4.0"]
    printf "%-15s %d\n", "-4.0", bin_counts["-4.0"]
}'

关键细节说明 #

1. 数值清洗：用substr($5, 1, length($5)-2)去掉原始数值末尾的xx后缀，将字符串转为可比较的浮点数。
2. 分箱逻辑匹配：
   • -1.0：匹配大于-1.0的数值（对应示例中的-0.8xx）
   • -1.0 to -2.0：匹配[-2.0, -1.0]区间的数值（对应-1.3xx、-1.2xx、-1.4xx，共3个）
   • -2.1 to -3.0：匹配[-3.0, -2.1]区间的数值（对应-2.2xx）
   • -3.1 to -4.0：匹配[-4.0, -3.1]区间的数值（对应-3.4xx）
   • -4.0：匹配小于-4.0的数值（对应-4.2xx、-5.3xx，共2个）
3. 格式化输出：用%-15s保证分箱描述左对齐且宽度统一，和要求的输出格式完全一致。

测试验证 #

用提供的测试数值列表执行该命令，输出结果如下：

-1.0            1
-1.0 to -2.0    3
-2.1 to -3.0    1
-3.1 to -4.0    1
-4.0            2

内容的提问来源于stack exchange，提问作者jenniel