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者快速下载;麻烦就是找到它.在这种情况下,我试图找到基本的统计操作.
例如,现在我正在为基于爬虫的应用程序进行原型设计.感谢wget加上其他一些好东西,我现在有几十万个文件.所以我可以用数十亿个文件估算这样做的成本,我想得到文件大小超过一定限度的平均值和中位数.例如.:
% ls -l | perl -ne '@a=split(/\s+/); next if $a[4] <100; print $a[4],"\n"' > sizes % median sizes % mean sizes
当然,我可以用perl或awk编写自己的中位数和平均值.但是,不是已经有一些noob友好的包,除此之外还有更多吗?
你能安装
@L_502_1@吗?然后
littler及其r命令可以帮助:
~/svn/littler/examples$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)
这是我们之前使用的示例,因此R函数summary()包含median()和mean()以及ascii-art相似的词干图.简单地调用median()或mean()的泛化当然非常简单.