利用awk将稀疏矩阵转换为ARFF

我正在使用稀疏矩阵格式的超大数据集

数据具有归档格式（3个制表符分隔列，其中第一列中的字符串对应一行，第二列中的字符串对应属性，第三列中的值为加权分数）

我想使用awk（如果可能的话）将其转换为arff格式，以便使用上述内容作为输入，我可以获得以下输出：

@relation 'filename'
@attribute "place" string
@attribute "institution" string
@attribute "food" string
@attribute "book" string


@data
3,6,0,0,church
86,0,63,0,man
0,0,0,37,woman

我已经看过这个awk文件，它产生的结果与我所需要的非常相似。 但是，输入有点不同。我试图通过将FS=“|”更改为“\t”来操作提供的代码，但它没有产生所需的结果。 有没有人建议我如何操作这个awk代码来将输入转换成所需的输出

我不知道什么是arff（我也不需要知道如何帮助您将文本转换为其他格式），所以让我们从以下内容开始：

$ cat tst.awk
BEGIN{ FS="\t" }
NR==1 { printf "@relation '%s'\n", FILENAME }
{
    row = $1
    attr = $2

    if (!seenRow[row]++) {
        rows[++numRows] = row
    }

    if (!seenAttr[attr]++) {
        printf "@attribute \"%s\" string\n", attr
        attrs[++numAttrs] = attr
    }

    score[row,attr] = $3
}
END {
    print "\n\n@data"
    for (rowNr=1; rowNr<=numRows; rowNr++) {
        row = rows[rowNr]
        for (attrNr=1;attrNr<=numAttrs;attrNr++)  {
            attr = attrs[attrNr]
            printf "%d,", score[row,attr]
        }
        print row
    }
}
$
$ cat file
church  place   3
church  institution     6
man     place   86
man     food    63
woman   book    37
$
$ awk -f tst.awk file
@relation 'file'
@attribute "place" string
@attribute "institution" string
@attribute "food" string
@attribute "book" string


@data
3,6,0,0,church
86,0,63,0,man
0,0,0,37,woman

$cat tst.awk
开始{FS=“\t”}
NR==1{printf“@关系“%s”\n”，文件名}
{
行=$1
属性=2美元
如果（！seenRow[row]++）{
行[++numRows]=行
}
如果（！seenAttr[attr]++）{
printf“@attribute\%s\”字符串\n”，属性
属性[++numAttrs]=attr
}
分数[行，属性]=3美元
}
结束{
打印“\n\n@data"
对于（rowNr=1；rowNr），该输出的唯一问题是，它将属性“place”视为两个单独的属性，而不是n行可以具有的一个属性，如我的原始问题中所示的所需输出示例中所示。
$ cat tst.awk
BEGIN{ FS="\t" }
NR==1 { printf "@relation '%s'\n", FILENAME }
{
    row = $1
    attr = $2

    if (!seenRow[row]++) {
        rows[++numRows] = row
    }

    if (!seenAttr[attr]++) {
        printf "@attribute \"%s\" string\n", attr
        attrs[++numAttrs] = attr
    }

    score[row,attr] = $3
}
END {
    print "\n\n@data"
    for (rowNr=1; rowNr<=numRows; rowNr++) {
        row = rows[rowNr]
        for (attrNr=1;attrNr<=numAttrs;attrNr++)  {
            attr = attrs[attrNr]
            printf "%d,", score[row,attr]
        }
        print row
    }
}
$
$ cat file
church  place   3
church  institution     6
man     place   86
man     food    63
woman   book    37
$
$ awk -f tst.awk file
@relation 'file'
@attribute "place" string
@attribute "institution" string
@attribute "food" string
@attribute "book" string


@data
3,6,0,0,church
86,0,63,0,man
0,0,0,37,woman