awkを使って1日以上の繰り返しレコードの平均を計算する方法は？

Question

データセットの一意のID（$ 1）と測定（$ 3）レコードを使用して、毎日（$ 2）の繰り返しレコードの平均を計算する方法を教えてもらえますか？次のように データセットは、次のようになります。

32070  2010-12-15 540 
32070  2010-12-15 546 
32070  2010-12-15 549 
32070  2010-12-17 579 
32070  2010-12-17 553 
25903  2010-12-15 556 
25903  2010-12-15 543 
25903  2010-12-15 564 
25903  2010-12-16 567 
25903  2010-12-16 583 

私はそれぞれの固有のID（$ 1）の測定に基づいて、毎日の記録（$ 2）の平均値（$ 3）があり、ルックスとは別に、私の出力ファイルを印刷したいです以下のように、次のように：

32070 2010-12-15 545 
32070 2010-12-17 566 
25903 2010-12-15  554.33 
25903 2010-12-16  575 

Answer 1

$ cat tst.awk 
{ curr = $1 OFS $2 } 
curr != prev { if (cnt) print prev, sum/cnt; sum=cnt=0 } 
{ sum+=$3; cnt++; prev=curr } 
END { if (cnt) print prev, sum/cnt } 

$ awk -f tst.awk file 
32070 2010-12-15 545 
32070 2010-12-17 566 
25903 2010-12-15 554.333 
25903 2010-12-16 575 

これと@Ruslans答えとの違いであること：

1. 彼のメモリに記憶し、全入力ファイル上ではわずか4つの変数（CURR、PREV、和の値を格納しながら、 cnt）をメモリに格納します。
2. Hisは結果をランダムに入力します（実際にはほとんどのawk実装ではハッシュ）。
3. あなたの入力がどんな順序で行われても、彼はあなたの入力がIDと日付でソートされていることに依存します。

Answer 2

BEGIN { SUBSEP = "@" } 

{ a[$1,$2] += $3; n[$1,$2]++ } 

END { 
    for (x in a) { 
    split(x, parts, SUBSEP) 
    print parts[1] " " parts[2] " " a[x]/n[x] 
    } 
} 

出力

25903 2010-12-15 554.333 
25903 2010-12-16 575 
32070 2010-12-15 545 
32070 2010-12-17 566 

説明

SUBSEPはmultidimensional arraysのキーを分離するために使用される内部変数です。デフォルト値は"\034"で、入力には現われません。私はデバッグの目的で@に設定しました。この変数の変更はスキップできます。

"期待される出力"と比較して、出力の順序が異なります。しかし、sortツールで簡単にソートできます。例えば、以下は、（この順番で）最初の列で、次に、第二列で出力をソートします：

awk -f script.awk file | sort -k2 -k1g 

出力

25903 2010-12-15 554.333 
25903 2010-12-16 575 
32070 2010-12-15 545 
32070 2010-12-17 566 

これは単なるサンプルです。あなたは一般的な考えを持っているべきです。必要に応じてコマンドを変更します。