☰

如何计算循环内 csv 文件中两列单词的标记数量？

tag-icon • tag-icon text-processing csv array
如何计算循环内 csv 文件中两列单词的标记数量？

我有一个包含 50 行的逗号分隔 csv 文件。一列用于州名称，另一列用于（州的）首都。如何创建一个循环来计算这两列中的标记数量 (2, 3, 4) 并将结果分组到一个数组中？这样做时是否可以跟踪有多少个这样的状态？

答案1

该解决方案使用 awk 代替。我从问题中了解到输出应该只包含州的名称。前面的答案提供了一个更有用的输出，并且 OP 接受了该答案，因此该脚本遵循相同的格式和相同的数据集。

{
    x = $0
    gsub(/,/, " ", $0)
    a[x]=NF

}

END {
    for (key in a) {
        counter[a[key]] += 1
    }

    for (c in counter) {
        print counter[c] " values with " c " tokens:"
        for (key in a) {
            if (c == a[key]) {
                print "\t"key
            }
        }
    }
}

32 values with 2 tokens:
        Oregon,Salem
        Virginia,Richmond
        Montana,Helena
        Florida,Tallahassee
        Ohio,Columbus
        Delaware,Dover
        Nebraska,Lincoln
        California,Sacramento
        Wisconsin,Madison
        Alaska,Juneau
        Texas,Austin
        Tennessee,Nashville
        Hawaii,Honolulu
        Maryland,Annapolis
        Idaho,Boise
        Illinois,Springfield
        Wyoming,Cheyenne
        Georgia,Atlanta
        Connecticut,Hartford
        Arizona,Phoenix
        Indiana,Indianapolis
        Colorado,Denver
        Mississippi,Jackson
        Washington,Olympia
        Kentucky,Frankfort
        Vermont,Montpelier
        Maine,Augusta
        Michigan,Lansing
        Kansas,Topeka
        Alabama,Montgomery
        Massachusetts,Boston
        Pennsylvania,Harrisburg
16 values with 3 tokens:
        South Dakota,Pierre
        New Hampshire,Concord
        Arkansas,Little Rock
        North Carolina,Raleigh
        North Dakota,Bismarck
        Louisiana,Baton Rouge
        Oklahoma,Oklahoma City
        New York,Albany
        Nevada,Carson City
        Iowa,Des Moines
        South Carolina,Columbia
        Rhode Island,Providence
        New Jersey,Trenton
        Minnesota,St. Paul
        Missouri,Jefferson City
        West Virginia,Charleston
2 values with 4 tokens:
        Utah,Salt Lake City
        New Mexico,Santa Fe

答案2

沿着State Capitals.csv以下路线：

Alabama,Montgomery
Alaska,Juneau
Arizona,Phoenix
...
West Virginia,Charleston
Wisconsin,Madison
Wyoming,Cheyenne

以下 Bash 脚本（版本 4+）执行您所要求的操作（假设我理解您所要求的内容）：

#!/bin/bash -e

export PATH=/bin:/sbin:/usr/bin:/usr/sbin

declare -A a
declare -i i j
while IFS=, read state capital; do
    i=$(( $( echo "$state $capital" | tr -cd ' ' | wc -c ) + 1 ))
    if [[ -z ${a[$i]} ]]; then
        declare -a b=()
    else
        eval "${a[$i]}"
    fi
    b+=("$state|$capital")
    a[$i]=$( declare -p b )
done <<< $( sort 'State Capitals.csv' )

for i in $( IFS=$'\n'; echo "${!a[*]}" | sort -n ); do
    echo "The following \"state capital\" strings have $i tokens:"
    eval "${a[$i]}"
    for (( j = 0; j < ${#b[@]}; ++j )); do
        echo "${b[$j]}"
    done \
        | column -ts '|' \
        | sed -re 's/^/  /'
done

第一个循环填充关联数组 ( a)，其索引是“State Capital”中的单词数，其值是包含“State|Capital”条目的数组的字符串表示形式（使用 进行字符串化declare -p）。

第二个循环迭代 的排序键a，用于将的值（字符串化）eval加载到数组中，然后迭代。adeclare -pbb

相关内容