Bash Awk-计算行之间的相似单词数

我有文本操作问题，我自己无法解决，因此我需要更聪明的人的帮助。
我的虚拟文件示例如下所示：

Winter    Sally    Additional_text
Winter    Sally    Additional_text
Winter    Nicole    Additional_text  
Spring    Lucy    Additional_text
Spring    Lucy    Additional_text
Spring    Caroline    Additional_text
Spring    Caroline    Additional_text
Summer    Emma    Additional_text
Autumn    Rita    Additional_text
Autumn    Rita    Additional_text
Autumn    Cristina     Additional_text
Autumn    Lucy's_sister     Additional_text
Autumn    Lucy's_sister     Additional_text

Time    Counts 
Spring    2
Autumn    2

我想：
对于每个第一列项目，计算第二列中有多少不同的名称。但我必须只计算那些名称：1）至少出现两次，2）至少有两个不同的名称（它们都至少出现两次）。
对于这样的输出：

Winter    Sally    Additional_text
Winter    Sally    Additional_text
Winter    Nicole    Additional_text  
Spring    Lucy    Additional_text
Spring    Lucy    Additional_text
Spring    Caroline    Additional_text
Spring    Caroline    Additional_text
Summer    Emma    Additional_text
Autumn    Rita    Additional_text
Autumn    Rita    Additional_text
Autumn    Cristina     Additional_text
Autumn    Lucy's_sister     Additional_text
Autumn    Lucy's_sister     Additional_text

Time    Counts 
Spring    2
Autumn    2

输出说明：
在

Winter

中有两个不同的名字，但

Nicole

只出现一次-

Winter

未报告
在

Spring

中至少有两个不同的名称，每个名称至少出现两次-报告

Spring

中有多少个不同的名称
在

Summer

中，只有一个名称-

Summer

未报告
在

秋季

有三个不同的名字，但其中只有两个至少出现过两次——据报道，只有丽塔和露西的妹妹才算

编辑
我在awk和bash中的解决方案：

cut -d " " -f 1 FILE | sort -u > names
for i in $(cat names)
do 
   grep ^$i FILE | 
   awk '{print $2}' | 
   sort | 
   uniq -c | 
   awk -v VAR="$i" '($1>=2) {print VAR}' | 
   sort | 
   uniq -c | 
   awk '($1>=2) {print $2"\t"$1}' 
done

---

这太笨拙和重复了，所以我想知道更简单的方法。

这里有一个awk命令，它应该适合您：

awk '{sums[$1"~"$2]++} END {for (a in sums) {split(a, b, "~"); if (sums[a]>1) suma[b[1]]++;}
      for (k in suma) if (suma[k]>1) print k, suma[k]}' inFile

---

以下是适用于您的awk命令：

awk '{sums[$1"~"$2]++} END {for (a in sums) {split(a, b, "~"); if (sums[a]>1) suma[b[1]]++;}
      for (k in suma) if (suma[k]>1) print k, suma[k]}' inFile

我会为你工作的。首先，它统计数组中出现“

FIRSTCOL-SECONDCOL

”的次数。然后，在文件末尾，针对每个事件检查事件数，如果事件数大于一，则将

FIRSTCOL

存储在另一个数组中（作为键），并将一个添加到其值中。然后打印每个

FIRSTVAL

及其值（如果大于1）。我把头球留给你

注意：如果第一列中有任何“

-

”将失败

我会为你工作的。首先，它统计数组中出现“

FIRSTCOL-SECONDCOL

”的次数。然后，在文件末尾，针对每个事件检查事件数，如果事件数大于一，则将

FIRSTCOL

存储在另一个数组中（作为键），并将一个添加到其值中。然后打印每个

FIRSTVAL

及其值（如果大于1）。我把头球留给你

---

注意：如果第一列中有任何“

-

”，它将失败。

这里有一种使用

GNU awk

的方法。运行方式如下：

awk -f ./script.awk file

script.awk的内容

：

BEGIN {
    OFS="\t"
}
{
    a[$1][ b[$1,$2]++ ]++
}
END {
    print "Time", "Counts";
    for (i in a) {
        for (j in a[i]) {
            if (j >= 1 && a[i][j] >= 2) {
                print i, a[i][j]
            }
        }
    }
}

或者，这里有一个班轮：

awk '{ a[$1][ b[$1,$2]++ ]++ } END { print "Time", "Counts"; for (i in a) for (j in a[i]) if (j >= 1 && a[i][j] >= 2) print i, a[i][j] }' OFS="\t" file

结果:

Time    Counts
Autumn  2
Spring  2

---

这里有一种使用

GNU awk

的方法。运行方式如下：

awk -f ./script.awk file

script.awk的内容

：

BEGIN {
    OFS="\t"
}
{
    a[$1][ b[$1,$2]++ ]++
}
END {
    print "Time", "Counts";
    for (i in a) {
        for (j in a[i]) {
            if (j >= 1 && a[i][j] >= 2) {
                print i, a[i][j]
            }
        }
    }
}

或者，这里有一个班轮：

awk '{ a[$1][ b[$1,$2]++ ]++ } END { print "Time", "Counts"; for (i in a) for (j in a[i]) if (j >= 1 && a[i][j] >= 2) print i, a[i][j] }' OFS="\t" file

结果:

Time    Counts
Autumn  2
Spring  2

---

你试过什么了？你试过什么了？

（sums[a]>1）

和

（suma[k]>1）

是如何工作的？（什么是

1

意思？

>1

在这两种情况下，都是根据您的要求满足count=2的要求。

（sums[a]>1）

和

（suma[k]>1）

是如何工作的？（什么是

1

意思？

>1

在这两种情况下，都是根据您的要求满足count=2的要求。如果您使用，就不会有这个问题。如果您使用，就不会有这个问题。。