awk分组统计

[dccmmtop]

Shell学习笔记：awk实现group by分组统计功能 日常部分数据以 txt 的文件格式提供，为避免入库之后再进行统计的麻烦，故学习 shell 进行处理，减少工作量。

1.样例数据

test.txt

YD5Gxxx|6618151|6825449073|6476534190|36251|超级会员|0
YD5Gxxx|8968336|1445546463|6476534190|36251|超级会员|0
YD5Gxxx|2545939|6904742993|0858636804|36251|超级会员|80%以上
YD5Gxxx|3200810|6896525523|6501574903|36251|普通|0
YD5Gxxx|3378244|6926264463|6519442719|36251|超级会员|80%以上
YD5Gxxx|8075700|6854827783|0858523344|36251|普通|80%以上
YD5Gxxx|3368804|6934387193|0000487348|36251|超级会员|(0，50%]
YD5Gxxx|2865288|6865082233|0859114957|36251|普通|(0，50%]
YD5Gxxx|6655543|6930124273|6521876215|36251|超级会员|(0，50%]
YD5Gxxx|2952781|6820973583|0858704189|36251|超级会员|0

每5行切分为一个文件

通过 split -l 对文件进行切分。

split -l 5 super_user.txt

分组统计

实现分组，count[$6]++ 实现计数。

awk -F '|' '{count[$6]++;} END {for(i in count) {print i count[i]}}' test.txt

普通3
超级会员7

根据第7列进行筛选之后，再按第6列进行分组统计。

awk -F '|' '{if($7=="0") {count[$6]++;}} END {for(i in count) {print i count[i]}}' test.txt

普通1
超级会员3

分组求和

对所有进行求和。

awk -F '|' '{sum += $2} END {print sum}' test.txt

分组一般使用x[$2]=x[$3]的方式来实现，其中x[$2]中的$2为要分的组，可以多个分组，x[$3]为要处理的值。

一次分组

awk -F '|' '{x[$6] += $2} END {for(i in x){print i, x[i]}}' test.txt

普通 14141798
超级会员 34487798

二次分组

awk -F '|' '{x[$6"-"$7] += $2} END {for(i in x){print i, x[i]}}' test.txt

超级会员-80%以上 5924183
超级会员-0 18539268
普通-(0，50%] 2865288
超级会员-(0，50%] 10024347
普通-0 3200810
普通-80%以上 8075700
格式化处理

分组求平均值

awk -F '|' '{sum += $2} END {print "Average = ", sum/NR}' test.txt

Average =  4.86296e+06

awk -F '|' '{a[$6] += $2; ca[$6]++} END {for(i in a){print(i,a[i]/ca[i])}}' test.txt

普通 4.71393e+06
超级会员 4.92683e+06

分组求最大最小

awk -F '|' 'BEGIN {max=0} {if($2>max){max=$2}} END {print max}' test.txt

最大值

awk -F '|' '{if($2>x[$6]){x[$6]=$2}} END {for(i in x) {print i, x[i]}}' test.txt

普通 8075700
超级会员 8968336

分组整理字符

awk -F '|' '{x[$6]=x[$6]"\n"$2} END {for(i in x){print i ":" x[i]}}' test.txt

普通:
3200810
8075700
2865288
超级会员:
6618151
8968336
2545939
3378244
3368804
6655543
2952781