用于循环和执行数学运算的Awk脚本
我使用bash和awk脚本从文本文件中提取数据。用于循环和执行数学运算的Awk脚本,awk,Awk,我使用bash和awk脚本从文本文件中提取数据。 但是，它对于大型数据集来说速度太慢，并且不能完美地工作。我相信在一个awk命令中编写所有bash循环是可能的，我请求某人帮助我完成这项工作 cat dummy_list AAA AAAA AAAAA cat dummy_table 13 19 AAA 69 96 "ID-999" 34 23 42 AAA 12 19 "ID-999" 64 53
但是，它对于大型数据集来说速度太慢，并且不能完美地工作。我相信在一个awk命令中编写所有bash循环是可能的，我请求某人帮助我完成这项工作
cat dummy_list
AAA
AAAA
AAAAA
cat dummy_table
13 19 AAA 69 96 "ID-999" 34
23 42 AAA 12 19 "ID-999" 64
53 79 AAA 43 58 "ID-482" 36
13 43 AAA 12 15 "ID-492" 75
23 90 AAA 45 87 "ID-492" 34
12 41 AAAA 76 79 "ID-923" 23
19 58 AAAA 15 87 "ID-923" 75
10 40 AAAA 18 82 "ID-482" 23
11 18 AAAA 18 82 "ID-482" 52
15 19 AAAA 18 82 "ID-482" 62
59 69 AAAA 10 18 "ID-482" 83
78 89 AAAA 32 41 "ID-983" 24
23 53 AAAAA 78 99 "ID-916" 82
AAAAAAAaaaaaaa69 96“ID-999”18 82“ID-482”我的脚本如下所示：
while read a; do
awk -v VAR="$a" '($3==VAR) {print $4"\t"$5"\t"$6}' dummy_table |
sort -u |
cut -f 3 |
sort |
uniq -c |
awk '{print $1}' |
tr '\n' ' ' |
awk -v VAR="$a" '{print VAR"\t"$0}'
done < dummy_list
AAA 1 2 2
AAAA 2 2 1
AAAAA 1
while read a ; do
ID_TIMES=$(awk -v VAR="$a" '($3==VAR) {print $6}' dummy_table |
sort -u |
wc -l) &&
awk -v VAR="$a" '($3==VAR) {print $6}' dummy_table |
sort |
uniq -c |
awk -v VAR="$ID_TIMES" '{sum+=$1} END {print sum/VAR}'
done < dummy_list
AAA 1.666
AAAA 2.333
AAAAA 1
用于AAA的ID-999:
范围1=总和$5-$4（96-69）+$5-$4（19-12）
范围2=总额7美元（34+64）
然后RANGE2*100/RANGE1=288对于这样的输出：
AAA 288 240 242
....
AAAAA 390
如果可能的话，最好在这一步中也放弃重复的范围，如
18 82“ID-482”awkBEGIN {
# read list of items
while ( ( getline < "dummy_list" ) > 0 )
{
items[$1] = 0
}
}
{
# calculate ammountof uniqur ids
key = $3 SUBSEP $6
if ( ! ( key in ids ) && ( $3 in items ) )
{
unique_ids[$3] += 1
}
# calculate ammount of duplication
ids [$3,$6] += 1
# calculate range parameters
range1 [$3,$6] += $5 - $4
range2 [$3,$6] += $7
}
END {
for ( item in items )
{
print "--- item = " item " ---\n"
for ( key in ids )
{
split ( key, s, SUBSEP );
if ( s[1] != item ) continue;
range = range2[key] * 100 / range1[key]
average[item] += float ( ids[key] ) / unique_ids[item];
print "id = " s[2] "\tammount of dup = " ids[key] " range = " int ( range )
}
print "\naverage = " average[item] "\n"
}
}
BEGIN {
# read list of items
while ( ( getline < "dummy_list" ) > 0 )
{
items[$1] = 0
}
}
{
# calculate ammountof uniqur ids
key = $3 SUBSEP $6
if ( ! ( key in ids ) && ( $3 in items ) )
{
unique_ids[$3] += 1
}
# calculate ammount of duplication
ids [$3,$6] += 1
# calculate range parameters
range1 [$3,$6] += $5 - $4
range2 [$3,$6] += $7
}
END {
for ( item in items )
{
print "--- item = " item " ---\n"
for ( key in ids )
{
split ( key, s, SUBSEP );
if ( s[1] != item ) continue;
range = range2[key] * 100 / range1[key]
average[item] += float ( ids[key] ) / unique_ids[item];
print "id = " s[2] "\tammount of dup = " ids[key] " range = " int ( range )
}
print "\naverage = " average[item] "\n"
}
}
你确定你关于问题#3的例子是正确的吗？只是部分答案，但这是你第一个问题的一行解决方案：
awk -F' ' '{group[$3]++;ind[$6]++};{count[$3][$6]+=1}; END{for (i in group){for (j in ind) if(count[i][j] > 0) print i, j, count[i][j]}}' dummy_variable.txt
AAA "ID-482" 1
AAA "ID-999" 2
AAA "ID-492" 2
AAAA "ID-923" 2
AAAA "ID-482" 4
AAAA "ID-983" 1
AAAAA "ID-916" 1
然后，使用此输出计算第二个问题的答案是相当麻烦的。仅部分答案，但这里是第一个问题的一行解决方案：
awk -F' ' '{group[$3]++;ind[$6]++};{count[$3][$6]+=1}; END{for (i in group){for (j in ind) if(count[i][j] > 0) print i, j, count[i][j]}}' dummy_variable.txt
AAA "ID-482" 1
AAA "ID-999" 2
AAA "ID-492" 2
AAAA "ID-923" 2
AAAA "ID-482" 4
AAAA "ID-983" 1
AAAAA "ID-916" 1
然后，使用此输出计算第二个问题的答案相当麻烦。我的错误-必须手动计算百分比，我编辑了我的问题。我的错误-必须手动计算百分比，我编辑了我的问题。你考虑过使用关系数据库吗？这就是我需要所有这些数据提取的原因。你考虑过使用关系数据库吗？这就是我需要所有这些数据提取的原因。
；do NUMBER=$（grep-w$a输出| awk'{print$2}'| sort-u | wc-l）&&awk-v ID=“$a”-v NUMBER=“$NUMBER””（$1==ID）{sum+=$3}结束{print sum/NUMBER}输出；完成