打印文本文件中跨行列数的频率

打印文本文件中跨行列数的频率

我有一个文件看起来像:

1
2 4 5 6 
20
22
24 26 27 
29 30 31 32 34 40 50 56 58
234 235 270 500
1234 1235 1236 1237
2300

我想要一个输出,显示有 4 行 1 列,3 行 4 列,1 行 3 列,1 行 9 列。所以,输出应该是:行(列)

4 (1)
1 (3)
3 (4)
1 (9)

考虑到我的真实数据很大,请问有什么建议吗?同时,我希望最大列数显示在最后一行(此处为 9),最小列数显示在输出的第一行中。

答案1

如果您有最新 (> 4.0) 版本的 GNU awk:

gawk '
  {a[NF]++} 
  END {
    PROCINFO["sorted_in"]="@ind_num_asc"; 
    for (i in a) printf "%d (%d)\n", a[i], i;
  }' file
4 (1)
1 (3)
3 (4)
1 (9)

答案2

呆呆地方法(使用asorti函数):

awk '{a[NF]++}END{ asorti(a,b); for(i in b) printf("%d (%d)\n",a[b[i]],b[i]) }' file

输出:

4 (1)
1 (3)
3 (4)
1 (9)

  • asorti(a,b)- 按索引对数组进行排序

答案3

如果将表中的每个单元格视为占位符以创建所需的结果,则可以对重复行进行排序和计数,以确定有多少行具有相同数量的列。

a=$(sed 's/\([0-9]\+\)/1/g' file | sort | uniq -c)
dups=$( echo "$a" | cut -d' ' -f7 )

之后,您可以计算每行的单词数,以确定该行中有多少列。

words=$(echo "$a" | cut -d' ' -f8- | awk '{print NF}')
paste <(echo "$dups") <(echo "$words")
4       1
1       3
3       4
1       9

答案4

最简单的版本是

cat data.txt | awk '{counts[NF] += 1} END { for (row_count in counts) { printf "%d (%d)\n", counts[row_count], row_count; }'

它只是使用NF变量来给出行中的字段数量并更新字典中与其关联的相关值。然后在流的末尾,它只是迭代字典的所有键并以请求的格式打印它们。

相关内容