[linux]awk按照某列分组求另一列均值

我这里先抛出问题，我手上有套数据：包含三列，第一列ensgid、第二列symbol，第三列fpkm值。

数据

问了老师，老师说相同的ensg对应的fpkm值，求均值。
所以针对上方数据要实现的是：根据第一列的ensgid分组，求fpkm的均值

解决代码

cat SRR192333_fpkm.txt |awk '{s[$1]+=$3;count[$1]+=1;gene[$1]=$2}END{for(i in s){print i,gene[i],s[i]/count[i]}}'>SRR192333_fpkmmean.txt

解析：

cat 文件名：读取数据
| ：管道符，把|前结果输出到|后作为输入
awk：linux上与grep sed并称三神器，详细自查
$1 :指代第一列
$2 :指代第二列
> 输出符号，把前面的好结果，存到>后面的文件里

---

cat SRR192333_fpkm.txt:读取SRR192333_fpkm.txt文件

awk标准格式: awk{运算}END{结果输出}

• awk '{s[$1]+=$3;count[$1]+=1;gene[$1]=$2}END{for(i in s){print i,gene[i],s[i]/count[i]}}'
• s[$1]+=$3 相同ensg求和
• count[$1]+=1相同ensg计数
• gene[$1]=$2保存ensg的symbol
• for(i in s){print i,gene[i],s[i]/count[i]}循环输出每个ensg的id，对应的symbol,以及均值
• >SRR192333_fpkmmean.txt将print的结果存进SRR192333_fpkmmean.txt里。
  结果

看看正确性，我输出和还有计数(第3,4列)：看他们的商确实和上方结果一直

结果验证

注：该代码简单修改后也可以用作计数，求和等