计算每列中的唯一出现次数
我有一个包含多列的文件，如$2$3(until $32) 中的
A refdevhet devdevhomo
B refdevhet refdevhet
C refrefhomo refdevhet
D devrefhet refdevhet
A refdevhet devdevhomo
B refdevhet refdevhet
C refrefhomo refdevhet
D devrefhet refdevhet
我需要分别计算每列中每个唯一元素的出现次数
所以我有
refdevhet 2 3
refrefhomo 1 0
devrefhet 1 0
devdevhomo 0 1
我尝试了几种变体
而是打印所选字段中唯一元素出现的累积总和。
回答
这是一个解决方案：
BEGIN {
FS=OFS="t"
}
{
if (NF>mxf) mxf = NF;
for(i=1; i<=NF; i++) {ws[$i]=1; c[$i,i]++}
}
END {
for (w in ws) {
printf "%s", w
for (i=1;i<=mxf;i++) printf "%s%d", OFS, c[w,i];
print ""
}
}
请注意，解决方案是通用的。它也将包括第一列。要省略第一列，i=1请i=2在两个地方都更改为。
- When you use the comma, the actual index is `$i SUBSEP i`, where the default value for SUBSEP is ` 34` (the ASCII "FS" character)
- Also `print ""` is the same as `printf "n"`
- `ws[$i]=1` is not needed, `ws[$i]` is enough.
回答
除了@Andriy 的好答案之外，使用 GNU awk，您还可以使用二维数组
gawk '
{for (i=2; i<=NF; i++) count[$i][i]++}
END {
for (word in count) {
printf "%s", word
for (i=2; i<=NF; i++) printf "%s%d", OFS, count[word][i]
print ""
}
}
' file | column -t
我在这里假设每一行的字段数与最后一行的字段数相同。