awk数组均值计算问题：按列非空字段数而非KEY计数求平均

针对你遇到的问题，核心是需要为每列单独维护非空字段的计数，而非统一使用KEY的总出现次数。以下是修改后的awk命令，同时适配你提到的14列场景的扩展思路：

修改后的awk命令 #

awk -F ';' -v OFS=";" '
NR > 1 {  # 跳过表头行
    key = $5
    arrkey[key]++  # 记录KEY总出现次数（对应输出第二列）
    
    # 处理HPA列：非空则累加总和与计数
    if ($2 != "") {
        HPA_sum[key] += $2
        HPA_cnt[key]++
    }
    # 处理TGK列：非空则累加总和与计数
    if ($3 != "") {
        TGK_sum[key] += $3
        TGK_cnt[key]++
    }
    # 处理DIU列：非空则累加总和与计数
    if ($4 != "") {
        DIU_sum[key] += $4
        DIU_cnt[key]++
    }
    # 14列场景：按相同格式继续添加其他列的处理逻辑即可
}
END {
    for (a in arrkey) {
        # 计算各列平均值，计数为0时可设为0或空（按需调整）
        hpa_avg = HPA_cnt[a] ? HPA_sum[a]/HPA_cnt[a] : 0
        tgk_avg = TGK_cnt[a] ? TGK_sum[a]/TGK_cnt[a] : 0
        diu_avg = DIU_cnt[a] ? DIU_sum[a]/DIU_cnt[a] : 0
        
        # 输出格式：KEY;总次数;HPA平均值;TGK平均值;DIU平均值
        print a, arrkey[a], hpa_avg, tgk_avg, diu_avg
    }
}' infile > outfile

关键修改点说明 #

• 列独立计数：为每个列创建*_sum（总和）和*_cnt（非空计数）数组，仅当对应字段非空时才更新这两个数组，确保平均值计算的分母是该列实际有值的行数。
• 跳过表头：用NR>1跳过第一行表头，避免表头干扰数值计算。
• 防除以0：计算平均值前先判断计数是否大于0，避免空字段导致的运行错误（可根据需求改为输出空字符串）。
• 全量处理行：移除原命令中+$2 +$3 +$4的限制条件，确保每行都被处理，不管哪些字段为空。

验证结果 #

运行修改后的命令后，针对你的测试数据，输出将与期望完全一致：

49_08_1975;5;945.65;-0.2;4.22
49_08_1976;2;927.05;2.55;2.95

14列场景扩展建议 #

如果需要处理14列，只需重复上述列处理逻辑：为每一列添加对应的*_sum和*_cnt数组判断与累加，最后在END块中依次计算每列的平均值并追加到输出行即可。

内容的提问来源于stack exchange，提问作者anlom