Awk 我不喜欢呆呆的行为'；我不明白

我试图使用gawk 4.1.4计算文件字段12中不同值的数量，并计算每个值出现的次数。我有两个简短的程序，第一个问题给了我不同的答案，我无法解释为什么

{if(a[$12]++==1){count++}} END {print count}

…给出了435176的结果，而

{a[$12]++} END {for (i in a){count++};print count}

…给出的结果为599845

你能解释一下这种行为，并告诉我哪个值是正确的吗？我在Windows（ezwinport）下运行，字段分隔符为tab

显然第二个似乎是对的！ 您已经存储了

计数

，不需要单独的变量

在这两种情况下，您使用

计数

识别唯一事件的方法都是错误的，因为它没有针对每个唯一实例进行跟踪

使用数组本身的值

推导

count

{if(a[$12]++==1){count++}} END {print count}

是错误的，但事实上，只有当

$12

中的字段在

count

变量中第二次被跟踪时，它才使用post increment运算符。因此，您在输出中看到的计数较少

另一方面,

{a[$12]++} END {for (i in a){count++};print count}

几乎是正确的，但是您不需要

count

变量，您已经将它作为值的一部分存储在数组

a

中，由唯一值

$12

索引。执行上述操作也与

{a[$12}++; next} END {for (i in a) print a[i]}

一个小例子来证明这一点

cat file
1 2 3
1 2 3
1 2 1
1 1 1
2 3 1
3 4 1

假设我担心的是唯一实例及其出现次数在

$2

中。做你的第一个例子

awk '{if(a[$2]++==1){count++}}END {for (i in a) print i,a[i],count}' file
1 1 1
2 3 1
3 1 1
4 1 1

查看最后一列中打印的

count

的错误值，如果您能仔细查看，该变量甚至不是跟踪每个实例的计数，而是所有实例的公共变量

第二种方法看起来不错，但将

count

打印为

4

不清楚哪个实例，假设可能发生多个实例及其计数。正确的方法是

awk '{a[$2]++; next}END {for (i in a) print i,a[i]}' file
1 1
2 3
3 1
4 1

这里不是

count

，而是

a[i]

保存第2列中每个唯一值的唯一计数出现次数。

第一个是错误的（逻辑上，而不是语法上，感谢您强调这一事实，@GeorgeVasiliou），因为您需要在

=

之前

+

：

++a[$1]==1

:

$ awk '{if(++a[$1]==1){count++}} END {print count}' foo
3

哦，是的，我的测试

foo

：

$ cat foo
1
1
1
2
2
3

---

这两个代码段的目的都是简单地计算唯一值的数量，同时求和每个值的计数，但不打印它们。@MattWenham：很公平，不要打印它们，只使用数组值。是的，或者可以使用

{if（a[$12]+==0）{count++}END{print count}

，但我觉得这稍微难找到代码。好东西！我唯一的问题是，

count

是不需要的，数组值本身就可以让它工作@伊尼安特鲁达。由于在OP中提到了gawk（lol），因此可以通过

length（）

：

{a[$1]+}END{print length（a）}

获得不同值的数量，对吧？这似乎也行得通。我不知道你可以用这种方式在数组上使用

length

，谢谢。OP使用的第一种方法在特定编程逻辑方面是错误的，但在语法方面没有错误。语法

if（a[$12]+==1）{count++}

将在每次恰好找到

$12

两次时将

count

增加1。这是因为后增量-

a[$12]

首先由if计算，然后通过

+

操作增加。