utilidad de línea de comandos para imprimir estadísticas de números en Linux

Usando "st" (https://github.com/nferraz/st)

$ st numbers.txt
N    min   max   sum   mean  stddev
10   1     10    55    5.5   3.02765

O:

$ st numbers.txt --transpose
N      10
min    1
max    10
sum    55
mean   5.5
stddev 3.02765

(DESCARGO DE RESPONSABILIDAD:Escribí esta herramienta :))

Para el promedio, la mediana y la desviación estándar, puede usar awk . Esto generalmente será más rápido que R soluciones Por ejemplo, lo siguiente imprimirá el promedio :

awk '{a+=$1} END{print a/NR}' myfile

(NR es un awk variable para el número de registros, $1 significa el primer argumento (separado por espacios) de la línea ($0 sería la línea completa, que también funcionaría aquí pero en principio sería menos segura, aunque para el cálculo probablemente solo tomaría el primer argumento de todos modos) y END significa que los siguientes comandos se ejecutarán después de haber procesado todo el archivo (también se podría haber inicializado a a 0 en un BEGIN{a=0} declaración)).

Aquí hay un awk simple secuencia de comandos que proporciona estadísticas más detalladas (toma un archivo CSV como entrada; de lo contrario, cambie FS ) :

#!/usr/bin/awk -f

BEGIN {
    FS=",";
}
{
   a += $1;
   b[++i] = $1;
}
END {
    m = a/NR; # mean
    for (i in b)
    {
        d += (b[i]-m)^2;
        e += (b[i]-m)^3;
        f += (b[i]-m)^4;
    }
    va = d/NR; # variance
    sd = sqrt(va); # standard deviation
    sk = (e/NR)/sd^3; # skewness
    ku = (f/NR)/sd^4-3; # standardized kurtosis
    print "N,sum,mean,variance,std,SEM,skewness,kurtosis"
    print NR "," a "," m "," va "," sd "," sd/sqrt(NR) "," sk "," ku
}

Es sencillo agregar min/max a este script, pero es igual de fácil canalizar sort &head /tail :

sort -n myfile | head -n1
sort -n myfile | tail -n1

Esto es muy fácil con R. Para un archivo que se ve así:

1
2
3
4
5
6
7
8
9
10

Usa esto:

R -q -e "x <- read.csv('nums.txt', header = F); summary(x); sd(x[ , 1])"

Para obtener esto:

       V1       
 Min.   : 1.00  
 1st Qu.: 3.25  
 Median : 5.50  
 Mean   : 5.50  
 3rd Qu.: 7.75  
 Max.   :10.00  
[1] 3.02765

• El -q bandera silencia la licencia de inicio de R y la salida de ayuda
• El -e flag le dice a R que pasará una expresión desde la terminal
• x es un data.frame - una mesa, básicamente. Es una estructura que acomoda múltiples vectores/columnas de datos, lo cual es un poco peculiar si solo estás leyendo en un solo vector. Esto tiene un impacto en las funciones que puede usar.
• Algunas funciones, como summary() , acomoda naturalmente data.frames . Si x tenía múltiples campos, summary() proporcionaría las estadísticas descriptivas anteriores para cada uno.
• Pero sd() solo puede tomar un vector a la vez, por lo que indexo x para ese comando (x[ , 1] devuelve la primera columna de x ). Podrías usar apply(x, MARGIN = 2, FUN = sd) para obtener los SD de todas las columnas.