生信（五）awk求取某一列的平均值

关键词：awk

awk是生信人必须要掌握的命令行工具。为什么？因为它太强大了。我们举一个例子来说明。

假设我们有一个1000万行的文件，大概长这样：

怎么求第四列的平均数呢？

Python版本

我们可以用几行Python代码解决问题，比如这样：

其耗时：

R版本

用R来做计算也是很适合的，比如像这样：

其耗时：

可以看出R耗时非常久，我想一个重要原因就是R在加载文件时“自动识别”了每一列的数据类型，比如是字符串类型还是数字类型。这个过程比较耗时。当然，R语言本身就非常慢，这也是很出名的！

awk版本

awk用一行代码就可以解决问题，像这样（注意耗时）：

至此，我们可以看出，awk代码简单，但是性能却不差！在同样的机器上处理同样的文件，awk的运行时间是Python的一半左右，是R的大概十分之一。可以说，awk已经非常快了！

C版本

都说C快，让我们看看到底有多快。代码如下：

其耗时：

可以看出，C的版本也仅比awk的稍快一点点。但是，C的代码复杂多了！由此，我们可以粗略比较出awk是一个非常完美的文本处理工具！

如果有任何问题，欢迎交流！