Awk 计数和匹配过程

我与awk存在匹配问题：

我将统计main.file中的第一列元素，如果其值大于2，我将打印第一列和第二列

main.file

1725009 7211378
3353866 11601802
3353866 8719104
724973 3353866
3353866 7211378

例如，第一列中3353866的数字是3，因此output.file如下所示：

output.file

3353866 11601802
3353866 8719104
3353866 7211378

---

如何在awk中执行此操作？

如果您指的是至少出现3次的项，则可以在一个数组中收集出现的项，并在另一个数组中收集作为预格式化或分隔字符串的值

awk '{store[$1"-"lines[$1]] = $0; lines[$1]++;}
  END {for (l in store) {
    split(l, pair, "-"); if (lines[pair[1]] > 2) { print store[l] } } }'

awk '{o[$1]++;v[$1]=v[$1] "\n" $0}
    END{for(k in o){if(o[k]<3)continue;
        print(substr(v[k],1)}' main.file

未经测试，不是在我的电脑上。输出顺序基本上是随机的；如果需要订单稳定，则需要另一个变量来跟踪行号

---

在Perl或Python中，这会稍微不那么粗俗，其中哈希/dict可以包含结构化值，例如列表。

一种方法是跟踪看到的所有记录，每个记录对应的键$1，以及每个键出现的频率。记录完所有行的记录后，就可以遍历存储的所有记录，只打印那些键计数大于2的记录

awk '{ 
    record[NR] = $0; 
    key[$0] = $1; 
    count[$1]++ 
} 

END { 
    for (n=1; n <= length(record); n++) { 
        if (count[key[record[n]]] > 2) { 
            print record[n] 
        }
    } 
}'

---

另一种方法是对文件运行两次：速度稍微慢一点，但代码非常简洁：

awk '
  NR==FNR {count[$1]++; next}
  count[$1] > 2 {print}
' main.file main.file

---

首先排序，然后仅当第一个字段有3次或3次以上时才使用awk打印：

cat your_file | sort -n | awk 'prev == $1 {count++; p0=p1; p1=p2; p2=$2}
prev != $1 {prev=$1; count=1; p2=$2}
count == 3 {print $1 " " p0; print $1 " " p1; print $1 " " p2}
count > 3 {print $1 " " $2}'

---

这将避免awk在输入文件太大的情况下使用太多内存。

根据问题的外观和Ray Toal编辑，我猜您的意思是基于计数，因此类似这样的工作方式：

awk '!y[$1] {y[$1] = 1} x[$1] {if(y[$1]==1) {y[$1]==2; print $1, x[$1]}; print} {x[$1] = $2}'

---

你的意思是如果第一列数字的第一位数字大于2？如果是，为什么724973不算？不，我不是指数字。我指的是数字。另一个例子应该是这样的：那么你能重新格式化这个问题吗？所有第一列数字都大于2。我可能把它编辑错了。谢谢。@Ray，我同意，这个问题没有意义-1您可以在一次通行证内完成此操作您刚刚获得[UUoC award}：-不需要cat，sort可以直接将文件作为输入…@Fredrick:我知道sort可以直接将文件作为输入，但我认为这样更清楚，特别是显示输入可以来自文件以外的其他地方。同样的情况也适用于我编写cat文件的awk“一个非常大的脚本”文件| awk“一个非常大的纸条”我认为t'with更清楚地理解和理解awk的输入。不同意……但你提供了一个解释，表明你在背后投入了一些思考。