awkfor循环未将数组索引设置为正确的值
我有这个小的地理位置数据集。
37.9636140,23.7261360
37.9440840,23.7001760
37.9637190,23.7258230
37.9901450,23.7298770
从一个随机位置。例如，37.97570, 23.66721
我需要使用 awk 创建一个 bash 命令，该命令返回具有简单欧几里德距离的距离。这是我使用的命令
awk -v OFMT=%.17g -F',' -v long=37.97570 -v lat=23.66721 '{for (i=1;i<=NR;i++) distances[i]=sqrt(($1 - long)^2 + ($2 - lat)^2 ); a[i]=$1; b[i]=$2} END {for (i in distances) print distances[i], a[i], b[i]}' filename
当我运行这个命令时，我得到了这个不正确的奇怪结果，有人可以向我解释我做错了什么吗？
? awk -v OFMT=%.17g -F',' -v long=37.97570 -v lat=23.66721 '{for (i=1;i<=NR;i++) distances[i]=sqrt(($1 - long)^2 + ($2 - lat)^2 ); a[i]=$1; b[i]=$2} END {for (i in distances) print distances[i], a[i], b[i]}' filename
44,746962127881936 37.9440840 23.7001760
44,746962127881936 37.9901450 23.7298770
44,746962127881936 37.9636140 23.7261360
44,746962127881936
44,746962127881936 37.9637190 23.7258230
更新。
附加@jas 提供的命令，我od -c作为@mark-fuso suggetsted包含在内。
现在的问题是我从@jas 得到不同的结果
显示新问题的命令输出。
awk -v OFMT=%.17g -F, -v long=37.97570 -v lat=23.66721 '
{distance=sqrt(($1 - long)^2 + ($2 - lat)^2 ); print distance, $1, $2}
' file
1,1820150904705098 37.9636140 23.7261360
1,1820150904705098 37.9440840 23.7001760
1,1820150904705098 37.9637190 23.7258230
1,1820150904705098 37.9901450 23.7298770
od -c显示输入文件的内容。
od -c file
0000000 3 7 . 9 6 3 6 1 4 0 , 2 3 . 7 2
0000020 6 1 3 6 0 n 3 7 . 9 4 4 0 8 4 0
0000040 , 2 3 . 7 0 0 1 7 6 0 n 3 7 . 9
0000060 6 3 7 1 9 0 , 2 3 . 7 2 5 8 2 3
0000100 0 n 3 7 . 9 9 0 1 4 5 0 , 2 3 .
0000120 7 2 9 8 7 7 0 n
0000130
回答
虽然@jas 为这个问题提供了一个“修复”，但我想我会对 OP 的代码正在做什么发表一些评论......
一些基础...
- 的
awk程序（{for (i=1;i<=NR;i++) ... ; b[i]=$2}）抵靠输入文件的每行应用 - 当从输入文件中读取每一行时，
awk变量NR会跟踪行号（即NR=1第一行、NR=2第二行等） - 在最后一次通过
for循环时，计数器（i在这种情况下）的值为NR+1（即，i++在最后一次通过循环时应用 ，从而离开i=NR+1） - 除非对输入的每一行都有条件检查，否则
awk程序将应用于输入文件中的每一行（包括空行——更多内容见下文） for (i in distances)...不保证按数字顺序处理数组索引
该awk/for循环执行以下操作：
- 对于第一个输入行 (
NR=1) 我们得到for (i=1;i<=1;i++) ... - 对于第二个输入行 (
NR=2) 我们得到for (i=1;i<=2;i++) ... - 对于第三个输入行 (
NR=3) 我们得到for (i=1;i<=3;i++) ... - 对于第 4 个输入行 (
NR=4) 我们得到for (i=1;i<=4;i++) ...
对于awk程序处理的每一行，都将覆盖distance[]数组中所有先前的条目；最终结果是最后一行 ( NR=4) 将在distance[]数组的所有 4 个条目中放置相同的值。
所述a[i]=$1; b[i]=$2阵列分配的范围之外发生for循环，使这些将每个输入行一次被分配（即，不会被覆盖），然而，该阵列分配正在与制成i=NR+1; 最终的结果是第1行（的内容NR=1）被存储在阵列的条目a[2]和b[2]，所述第二排（的内容NR=2）被存储在数组项a[3]和a[3]等
修改 OP 的代码print i, distances[i], a[i], b[i]}并针对我得到的 4 行输入文件运行：
1 0.064310270672728084 # no data for 2nd/3rd columns because a[1] and b[1] are never set
2 0.064310270672728084 37.9636140 23.7261360 # 2nd/3rd columns are from 1st row of input
3 0.064310270672728084 37.9440840 23.7001760 # 2nd/3rd columns are from 2nd row of input
4 0.064310270672728084 37.9637190 23.7258230 # 2nd/3rd columns are from 3rd row of input
由此我们可以看到输出的第一列是相同的（即distance[1]=distance[2]=distance[3]=distance[4]），而第二列和第三列与输入列相同，只是它们“向下”移动了一行。
这给我们留下了两个悬而未决的问题......
- 为什么 OP 显示 5 行输出？
- 为什么第一列是垃圾
44,746962127881936？
我能够通过在输入文件的末尾添加一个空行来重现这个问题：
$ cat geo.dat
37.9636140,23.7261360
37.9440840,23.7001760
37.9637190,23.7258230
37.9901450,23.7298770
<<=== blank line !!
使用 OP 的awk代码生成以下内容：
44.746962127881936
44.746962127881936 37.9636140 23.7261360
44.746962127881936 37.9440840 23.7001760
44.746962127881936 37.9637190 23.7258230
44.746962127881936 37.9901450 23.7298770
注意事项：
- 此顺序与 OP 的示例输出不同，可能是由于 OP 的
awk版本未按for (i in distances)...数字顺序处理；OP 可以尝试类似for (i=1;i<=NR;i++)...orfor (i=1;i in distances; i++)...（尽管后者对于人口稀少的数组无法正常工作） - OPs 输出（在问题中；在@jas 答案的评论中）显示逗号 (
,) 代替.第一列的句点 ( )，所以我猜 OP 的 env 使用的语言环境将逗号/句点切换为数千/decimal 分隔符（尽管输入数据基于“相反”语言环境）
请注意，我们终于看到了来自输入的第 4 行的数据（“向下移动”并显示在第 5 行），但第一列似乎是一个无意义的值……可以追溯到应用以下内容一个空行：
sqrt(($1 - long)^2 + ($2 - lat)^2 )
sqrt(( - long)^2 + ( - lat)^2 ) # empty line => $1 = $2 = undefined/empty
sqrt(( - 37.97570)^2 + ( - 23.66721^2 )
sqrt( 1442.153790 + 560.136829 )
sqrt( 2002.290619 )
44.746952... # contents of 1st column
为了“修复”这个问题，OP 可以a)从输入文件中删除空行或b)向awk脚本添加一些逻辑以仅在输入行在字段 #1 和 #2 中具有（数字）值时才执行计算（即，$1并且$2不为空）；由编码器决定应用多少验证（例如，字段是数字，是合法长/纬度值范围内的字段等）。
最后一个与设计相关的评论......如 jas 的回答所示，当所有所需的输出可以在处理每一行时“即时”生成时，不需要任何数组（这反过来减少了内存使用）输入文件。