使用Awk按第三列每0.5单位间隔分组计算第四列平均值

问题背景 #

现有一份已经按第三列升序排序的文本文件，内容如下：

1 snp1 0.0 4
1 snp2 0.2 6
1 snp3 0.3 4
1 snp4 0.4 3
1 snp5 0.5 5
1 snp6 0.6 6
1 snp7 1.3 5
1 snp8 1.3 3
1 snp9 1.9 4

需求为按第三列每间隔0.5单位分组，计算每组第四列的平均值，期望输出如下：

1 snp1 0.0 4.4
1 snp6 0.6 6.0
1 snp7 1.3 4.0
1 snp9 1.9 4.0

可行Awk解决方案 #

awk '
BEGIN{
    interval=0.5
}
NR==1{
    pos=$3
    sum=$4
    cnt=1
    save_line=$0
    next
}
$3 >= pos+interval{
    split(save_line,arr," ")
    printf "%s %s %.1f %.1f\n",arr[1],arr[2],arr[3],sum/cnt
    pos=$3
    sum=0
    cnt=0
    save_line=$0
}
{
    sum+=$4
    cnt+=1
}
END{
    split(save_line,arr," ")
    printf "%s %s %.1f %.1f\n",arr[1],arr[2],arr[3],sum/cnt
}
' input

逻辑说明 #

1. 初始化分组间隔为0.5，读入第一行时初始化当前分组的基准值、第四列累加和、行数计数器，同时保存分组起始行内容
2. 每读入一行先判断是否达到下一分组阈值，若达到则先输出上一分组的计算结果，再重置新分组的所有参数
3. 所有行都会累计第四列数值和对应行数
4. 所有行读取完成后，输出最后一个分组的计算结果

内容的提问来源于stack exchange，提问作者Manav K