我有100个数据文件,每个文件有1000行,它们看起来像这样:
0 0 0 0
1 0 1 0
2 0 1 -1
3 0 1 -2
4 1 1 -2
5 1 1 -3
6 1 0 -3
7 2 0 -3
8 2 0 -4
9 3 0 -4
10 4 0 -4
.
.
.
999 1 47 -21
1000 2 47 -21
我开发了一个脚本,它应该取第2,3,4列中每个值的平方,然后求和它们的平方根。 像这样:
temp = ($t1*$t1) + ($t2*$t2) + ($t3*$t3)
calc = $calc + sqrt ($temp)
然后计算该值的平方,并在每个数据文件上平均这些数字,以输出每行的平均“calc”,并为每行平均“fluc”。
这些数字的含义是这样的:
第一个数字是步数,接下来的三个分别是x,y和z轴上的坐标。我试图找到“步骤”从原点带走的距离,这是用公式r = sqrt(x^2 + y^2 + z^2)
计算的。接下来我需要r的波动,其计算为f = r^4
或f = (r^2)^2
。
这些必须是100个数据文件的平均值,这导致我:
r = r + sqrt(x^2 + y^2 + z^2)
avg = r/s
,类似于f,其中s是我使用sum=$(ls -l *.data | wc -l)
计算的读取数据文件的数量。
最后,我的上一次计算是预期r
与平均r
之间的偏差,使用最终值在循环外计算为stddev = sqrt(fluc - (r^2)^2)
。
我创建的脚本是:
#!/bin/bash
sum=$(ls -l *.data | wc -l)
paste -d"\t" *.data | nawk -v s="$sum" '{
for(i=0;i<=s-1;i++)
{
t1 = 2+(i*4)
t2 = 3+(i*4)
t3 = 4+(i*4)
temp = ($t1*$t1) + ($t2*$t2) + ($t3*$t3)
calc = $calc + sqrt ($temp)
fluc = $fluc + ($calc*$calc)
}
stddev = sqrt(($calc^2) - ($fluc))
print $1" "calc/s" "fluc/s" "stddev
temp=0
calc=0
stddev=0
}'
不幸的是,在某种程度上我收到了错误:
nawk: cmd. line:9: (FILENAME=- FNR=3) fatal: attempt to access field -1
我对awk的经验不足以确切地知道我哪里出错了,有人能指出我正确的方向还是给我一个更好的剧本?
预期输出是一个文件:
0 0 0 0
1 (calc for all 1's) (fluc for all 1's) (stddev for all 1's)
2 (calc for all 2's) (fluc for all 2's) (stddev for all 2's)
.
.
.
答案 0 :(得分:3)
以下脚本应该执行您想要的操作。唯一可能不起作用的是分隔符的选择。在原始脚本中,您似乎有标签。我的解决方案假设空间但改变这应该不是问题。
它只是将所有文件按顺序传送到nawk
,而不先计算文件。我知道这不是必需的。它不是试图跟踪文件中的位置,而是使用数组来存储每个步骤的单独统计数据。最后,它遍历找到的所有步骤索引并输出它们。由于迭代没有排序,因此有另一个进入Unix sort
调用的管道来处理这个问题。
#!/bin/bash
# pipe the data of all files into the nawk processor
cat *.data | nawk '
BEGIN {
FS=" " # set the delimiter for the columns
}
{
step = $1 # step is in column 1
temp = $2*$2 + $3*$3 + $4*$4
# use arrays indexed by step to store data
calc[step] = calc[step] + sqrt (temp)
fluc[step] = fluc[step] + calc[step]*calc[step]
count[step] = count[step] + 1 # count the number of samples seen for a step
}
END {
# iterate over all existing steps (this is not sorted!)
for (i in count) {
stddev = sqrt((calc[i] * calc[i]) + (fluc[i] * fluc[i]))
print i" "calc[i]/count[i]" "fluc[i]/count[i]" "stddev
}
}' | sort -n -k 1 # that' why we sort here: first column "-k 1" and numerically "-n"
修改强>
由@edmorton awk
提升可以负责加载文件本身。以下增强版本删除了对cat
的调用,而是将文件模式作为参数传递给nawk
。此外,正如@NictraSavios所建议的那样,新版本引入了对最后一步统计输出的特殊处理。请注意,仍然会针对所有步骤收集统计信息。在读取数据时有点难以抑制这一点,因为此时我们还不知道最后一步是什么。虽然这个可以完成一些额外的工作,但你可能会失去很多数据处理的稳健性,因为现在脚本不做任何假设:
增强的脚本:
#!/bin/bash
nawk '
BEGIN {
FS=" " # set the delimiter for the columns (not really required for space which is the default)
maxstep = -1
}
{
step = $1 # step is in column 1
temp = $2*$2 + $3*$3 + $4*$4
# remember maximum step for selected output
if (step > maxstep)
maxstep = step
# use arrays indexed by step to store data
calc[step] = calc[step] + sqrt (temp)
fluc[step] = fluc[step] + calc[step]*calc[step]
count[step] = count[step] + 1 # count the number of samples seen for a step
}
END {
# iterate over all existing steps (this is not sorted!)
for (i in count) {
stddev = sqrt((calc[i] * calc[i]) + (fluc[i] * fluc[i]))
if (i == maxstep)
# handle the last step in a special way
print i" "calc[i]/count[i]" "fluc[i]/count[i]" "stddev
else
# this is the normal handling
print i" "calc[i]/count[i]
}
}' *.data | sort -n -k 1 # that' why we sort here: first column "-k 1" and numerically "-n"
答案 1 :(得分:1)
你也可以使用:
awk -f c.awk *.data
其中c.awk
是
{
j=FNR
temp=$2*$2+$3*$3+$4*$4
calc[j]=calc[j]+sqrt(temp)
fluc[j]=fluc[j]+calc[j]*calc[j]
}
END {
N=ARGIND
for (i=1; i<=FNR; i++) {
stdev=sqrt(fluc[i]-calc[i]*calc[i])
print i-1,calc[i]/N,fluc[i]/N,stdev
}
}