如何用Tcl计算数据集中样本量更大组的(X,Y)平均值？

需求说明 #

需要先判断数据集中哪组样本量（数据点数量）更多，再仅计算该组的(X,Y)平均值，而非整个数据集的平均（示例中橙色区域为整体平均，蓝色区域为分组平均）。

示例数据集 #

X    Y
1    9
1.5  8.5
0.5  9.5
1.5  9.5
1    9.5
0.5  8.5
1.5  9
0.5  9
0    9
0    8.5
2    9
1.7  8.7
1.2  9.2
0.2  9.2
0.7  8.3
1    8
8.5  1.5
9.5  0.5
8.5  0.5
9    1.5
9.5  0
8    0
9    0.5

实现思路与Tcl代码 #

核心思路是一次遍历完成分组统计，同时记录每组的样本量、X总和、Y总和，最后比较两组样本量，计算对应组的平均值。

从示例数据和示意图来看，两组可通过X和Y的大小关系区分：一组是X偏小、Y偏大（X<5且Y>5），另一组是X偏大、Y偏小（X>5且Y<5）。你可以根据实际数据调整分组规则。

# 初始化分组统计变量
set groupA_count 0
set groupA_sumX 0.0
set groupA_sumY 0.0

set groupB_count 0
set groupB_sumX 0.0
set groupB_sumY 0.0

# 示例数据集（实际场景可从文件读取）
set data {
1    9
1.5  8.5
0.5  9.5
1.5  9.5
1    9.5
0.5  8.5
1.5  9
0.5  9
0    9
0    8.5
2    9
1.7  8.7
1.2  9.2
0.2  9.2
0.7  8.3
1    8
8.5  1.5
9.5  0.5
8.5  0.5
9    1.5
9.5  0
8    0
9    0.5
}

# 遍历每一行数据
foreach line [split $data "\n"] {
    # 跳过空行和表头
    if {$line eq "" || [string match "X    Y" $line]} {
        continue
    }
    # 拆分X和Y数值
    lassign [split $line] x y
    # 执行分组判断（可根据实际数据调整规则）
    if {$x < 5 && $y > 5} {
        incr groupA_count
        set groupA_sumX [expr {$groupA_sumX + $x}]
        set groupA_sumY [expr {$groupA_sumY + $y}]
    } elseif {$x > 5 && $y < 5} {
        incr groupB_count
        set groupB_sumX [expr {$groupB_sumX + $x}]
        set groupB_sumY [expr {$groupB_sumY + $y}]
    }
}

# 确定样本量更大的组并计算平均值
if {$groupA_count > $groupB_count} {
    set avgX [expr {$groupA_sumX / $groupA_count}]
    set avgY [expr {$groupA_sumY / $groupA_count}]
    puts "样本量更大的是组A（共$groupA_count个数据点），平均值：X=[format "%.2f" $avgX], Y=[format "%.2f" $avgY]"
} elseif {$groupB_count > $groupA_count} {
    set avgX [expr {$groupB_sumX / $groupB_count}]
    set avgY [expr {$groupB_sumY / $groupB_count}]
    puts "样本量更大的是组B（共$groupB_count个数据点），平均值：X=[format "%.2f" $avgX], Y=[format "%.2f" $avgY]"
} else {
    set avgA_X [expr {$groupA_sumX/$groupA_count}]
    set avgA_Y [expr {$groupA_sumY/$groupA_count}]
    set avgB_X [expr {$groupB_sumX/$groupB_count}]
    set avgB_Y [expr {$groupB_sumY/$groupB_count}]
    puts "两组样本量相同，组A平均值：X=[format "%.2f" $avgA_X], Y=[format "%.2f" $avgA_Y]；组B平均值：X=[format "%.2f" $avgB_X], Y=[format "%.2f" $avgB_Y]"
}

代码说明 #

• 一次遍历完成计数与累加，避免重复遍历提升效率；
• 分组规则可灵活调整（比如聚类逻辑、其他阈值判断）；
• 用format "%.2f"控制平均值小数位数，按需调整精度；
• 处理了两组样本量相同的边界情况，避免逻辑遗漏。

内容的提问来源于stack exchange，提问作者Kuo-Hsien Chang