使用awk识别相同列的数量

Question 1

您可以使用以下管道来计算唯一列：

$ awk '{for (i=1; i<=NF; ++i) a[i]=a[i]$i; } END { for (i in a) print a[i] }' foo \
  | sort -u | wc -l

awk 命令转置您的输入，对结果行进行排序，仅保留唯一行 ( -u)，最后对所有（唯一）行（即转置列）进行计数 ( wc -l)。

请注意，这NF是一个内置 awk 变量，并自动设置为当前记录中的字段数。$i引用第 i 个字段并END保护后面的块，以便在处理所有记录后执行它。 awk 默认使用空白-非空白字段分隔。

Answer

您可以使用以下管道来计算唯一列：

$ awk '{for (i=1; i<=NF; ++i) a[i]=a[i]$i; } END { for (i in a) print a[i] }' foo \
  | sort -u | wc -l

awk 命令转置您的输入，对结果行进行排序，仅保留唯一行 ( -u)，最后对所有（唯一）行（即转置列）进行计数 ( wc -l)。

请注意，这NF是一个内置 awk 变量，并自动设置为当前记录中的字段数。$i引用第 i 个字段并END保护后面的块，以便在处理所有记录后执行它。 awk 默认使用空白-非空白字段分隔。

Question 2

(((...)))，但是如何找到相同的列呢？

$ printf '%s\n' '1 0 0 0 0 0' '0 1 1 1 0 0' | awk -vSUBSEP='=' '
    { for (i=1; i<NF; i++)
        for (j=i+1; j<=NF; j++)
          if ($i==$j)
            M[i,j]++
    }
    END{ for (m in M) if (M[m]==NR) print m }'
5=6
2=3
2=4
3=4

对于i<j每行的所有列，M[i,j]每当这些列的值相等时就递增。因此，M[i,j]==NR在读取NR行之后，读取的所有行的值都是相同的。

Answer

(((...)))，但是如何找到相同的列呢？

$ printf '%s\n' '1 0 0 0 0 0' '0 1 1 1 0 0' | awk -vSUBSEP='=' '
    { for (i=1; i<NF; i++)
        for (j=i+1; j<=NF; j++)
          if ($i==$j)
            M[i,j]++
    }
    END{ for (m in M) if (M[m]==NR) print m }'
5=6
2=3
2=4
3=4

对于i<j每行的所有列，M[i,j]每当这些列的值相等时就递增。因此，M[i,j]==NR在读取NR行之后，读取的所有行的值都是相同的。

Question 3

这个问题让我很感兴趣，我想采用一种我无法确切弄清楚的方法并得到一些很好的帮助在我作为不同的问题发布之后。您可以从我发布的问题中理解我试图遵循的方法。

对于这个问题，我还有另外 2 个解决方案（其中之一来自格努克的答案是珀尔解决方案和另一个来自约翰的解决方案与我的解决方案相结合）。

#The variable appended_input will remove spaces/tabs and just append the rows. 
#Modify the file name in this line. Here I use inputfile as the filename. 

appended_input=$(column -s '\t' inputfile | tr -d '[:space:]') ;

#The array variable will store each column-wise value as an array element.  
#I use sort to find the number of unique elements.

array=($(
    for ((i=0; i<6; i++))
    do
        new=${appended_input:$i:1}
        for ((j=i+6; j<${#appended_input}; j=j+6))
        do 
            new="$new${appended_input:$j:1}"
        done
        echo "$new"
    done
    )) | echo "${array[@]}" | tr ' ' '\n' | sort -u | tr '\n' ' '

测试

我的输入文件如下。

1 0 0 1 0 0
0 1 1 0 0 0
1 1 1 1 1 0
1 0 0 1 0 1
1 0 0 1 0 1

运行上面的脚本后，我得到的输出为，

00011 00100 01100 10111

您可以将 awc -w作为最终管道，并且您将得到仅 4 的输出，而不是如上所述的唯一列值。

Answer