unix - 在 shell 中进行基本统计的最佳方式？

Question

现代 Unix shell 环境有很多好东西，我需要的东西几乎总是安装在我的机器上或快速下载；麻烦只是找到它。在这种情况下，我试图找到基本的统计操作。

例如，现在我正在制作一个基于爬虫的应用程序的原型(prototype)。感谢 wget 加上其他一些好东西，我现在有几十万个文件。因此，我可以估算对数十亿个文件执行此操作的成本，我想获得超过一定限制的文件大小的平均值和中位数。例如。:

% ls -l | perl -ne '@a=split(/\s+/); next if $a[4] <100; print $a[4], "\n"' > sizes
% median sizes
% mean sizes

当然，我可以用一点 perl 或 awk 编写我自己的中位数和均值位。但是，是不是已经有一些对新手友好的软件包可以做到这一点，而且还有更多？

Answer 1

可以安装R ?那么littler及其r命令可以帮助:

~/svn/littler/examples$ ls -l . | awk '!/^total/ {print $5}' 
87
1747
756
988
959
871
~/svn/littler/examples$ ls -l . | awk '!/^total/ {print $5}' | ./fsizes.r 
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
     87     785     915     901     981    1750 

  The decimal point is 3 digit(s) to the right of the |

  0 | 1
  0 | 89
  1 | 00
  1 | 7

~/svn/littler/examples$ cat fsizes.r 
#!/usr/bin/r -i

fsizes <- as.integer(readLines())
print(summary(fsizes))
stem(fsizes)

这是我们之前使用过的示例，因此 R 函数 summary()其中包含 median()和 mean()以及类似的 ascii-art stem阴谋。概括为只调用 median()或 mean()当然很简单。