[AWK] 最大値、最小値、パーセンタイルの集計

モチベーション

パーセンタイルを出したいとき、
Rなら

score <- seq(0,100)
summary(score)
quantile(score, 0.5)

などで一発ですが、これをAWKでやってみました。

seq 1 100 |
awk 'BEGIN{min="inf"}{
    if(max<$1) max=$1;
    if(min>$1) min=$1;
    percentile[NR]=$1}
    END{asort(percentile);
    print max,
    percentile[int(NR*0.75)],
    percentile[int(NR*0.5)],
    percentile[int(NR*0.25)],
    min
}'

工夫したところ

ついでのつもりでやった最小値で苦労しました…

minは何かしら入力データの最小値よりも大きな数値を指定しないといけないのですが、
具体的な数値を入力するには入力データの最大値がわかっていないといけません。
これは面倒なので取りうる値の最大値である"inf"を代入することにしました。

追記

asortがGNU拡張のため, POSIX準拠は以下のようになります.

yes | head -n 100 | awk '{print NR}' | # seqコマンドのPOSIX代替
sort -n |
awk 'BEGIN{min="inf"}{
    if(max<$1) max=$1;
    if(min>$1) min=$1;
    percentile[NR]=$1}
    END{
    print max,
    percentile[int(NR*0.75)],
    percentile[int(NR*0.5)],
    percentile[int(NR*0.25)],
    min
}'