我在文件夹中有很多.txt文件。它们充满了统计数据,并且有一个名称,代表了这些统计数据的实验。
exp_1_try_1.txt
exp_1_try_2.txt
exp_1_try_3.txt
exp_2_try_1.txt
exp_2_try_2.txt
exp_other.txt
在这些文件中,我需要找到具有特定名称的变量的值,并使用它们来计算一些统计数据:min,max,avg,std dev和median。
变量是十进制值,点'#34;。"用作小数分隔符。没有科学的符号,虽然处理它也会很好。
#in file exp_1_try_1.txt
var1=30.523
var2=0.6
#in file exp_1_try_2.txt
var1=78.98
var2=0.4
#in file exp_1_try_3.txt
var1=78.100
var2=1.1
为了做到这一点,我使用了bash。这是我在bash技能生锈之前制作的一个旧剧本。它计算整数值的平均值。
#!/bin/bash
folder=$1
varName="nHops"
cd "$folder"
grep -r -n -i --include="*_out.txt" "$varName" . | sed -E 's/(.+'"$varName"'=([0-9]+))|.*/\2/' | awk '{count1+=$1; count2+=$1+1}END{print "avg hops:",count1/NR; print "avg path length:",count2/NR}' RS="\n"
我想将此脚本修改为:
特别是std dev和median可能需要特别注意。
更新:我尝试仅使用UNIX工具解决问题,部分启发by this answer。它工作正常,但不计算标准偏差。选择的答案使用Perl,可能要快得多。
#!/bin/bash
folder=$1
varName="var1"
cd "$folder"
grep -r -n -i --include="exp_1_run_*" "$varName" . | sed -E 's/(.+'"$varName"'=([0-9]+(\.[0-9]*)?))/\2/' | sort -n | awk '
BEGIN {
count = 0;
sum = 0;
}
{
a[count++] = $1;
sum += $1;
}
END {
avg = sum / count;
if( (count % 2) == 1 ) {
median = a[ int(count/2) ];
} else {
median = ( a[count/2] + a[count/2-1] ) / 2;
}
OFS="\t";
OFMT="%.6f";
print avg, median, a[0], a[count-1];
}
'
答案 0 :(得分:2)
要仅提取值,请使用-o
和-P
grep选项:
grep -rioPh --include="*_out.txt" "(?<=${varName}=)[\d.]+" .
查找类似nHops=1.234
的模式,然后打印出1.234
给出您的样本数据:
$ var="var1"
$ grep -oPh "(?<=$var=)[\d.]+" exp_1_try_{1,2,3}.txt
30.523
78.98
78.100
要输出一些统计数据,您应该能够将这些数字输入到您喜爱的统计程序中。这是一个例子:
grep -oPh "(?<=$var=)[\d.]+" f? |
perl -MStatistics::Basic=:all -le '
@data = <>;
print "mean: ", mean(@data);
print "median: ", median(@data);
print "stddev: ", stddev(@data)
'
mean: 62.53
median: 78.1
stddev: 22.64
当然,由于这是perl,我们根本不需要grep或sed:
perl -MStatistics::Basic=:all -MList::Util=min,max -lne '
/'"$var"'\s*=\s*(\d+\.?\d*)/ and push @data, $1
} END {
print "mean: ", mean(@data);
print "median: ", median(@data);
print "stddev: ", stddev(@data);
print "min: ", min(@data);
print "max: ", max(@data);
' exp_1_try_*
mean: 62.53
median: 78.1
stddev: 22.64
min: 30.523
max: 78.98