如何使用Perl、Python或bash更改列中的值运行

我希望遍历大量以制表符分隔的文件，并按以下方式更改单个列：

原创的

Col1    Col2    ....
afawer  1
asdgf   1
aser    1
qwerq   10
a3awer  10
1sdgf   11
a55er   11
2wu9    12
asxwer  12
a2dgf   13
a1er    13
qperq   13
...

期望的替代品

Col1    Col2    ....
afawer  1
asdgf   1
aser    1
qwerq   2
a3awer  2
1sdgf   3
a55er   3
2wu9    4
asxwer  4
a2dgf   5
a1er    5
qperq   5
...

请注意，Col2中的运行长度对于每个文件都会有很大的不同，因此不能硬编码长度。基本上，我要替换的模式是：

aaabbbbcccddd

其中a，b，c和d可以是任何整数。所需的替换是：

111222233334444

以此类推（即整数的自然顺序）

我希望使用Python或Perl来实现这一点，或者如果可能的话，只使用bash命令，如

sed

。

使用Python，可以对第二列上的行进行分组，并使用以下命令提供的计数器：

---

这将使用相同的数据写入一个新的CSV文件，但第二列被计数器（从1开始）替换，该计数器在第2列中的原始值每次更改时都会递增。

使用

awk

您可以说：

awk 'NR>1{if ($2 == prev) { $2 = a; } else { prev=$2; a=a+1; $2=a; }}1' OFS='\t' filename

对于您的输入，它将产生以下输出：

Col1    Col2
afawer  1
asdgf   1
aser    1
qwerq   2
a3awer  2
1sdgf   3
a55er   3
2wu9    4
asxwer  4
a2dgf   5
a1er    5
qperq   5

---

要完成您要求的三种语言，请看以下Perl版本。 如果Col2值稍后重复，也可以使用。 编辑：我使用了一个空格作为delimeter，替换为一个选项卡

use strict;
use warnings;

open (INFILE, "<", "infile.csv");
my @lines = <INFILE>;
close INFILE;

open (OUTFILE, ">", "outfile.csv");
my %hash = ("Col2", "Col2"); #  To handle the Header
my $counter=0;

foreach my $currentLine (@lines)
{
    chomp $currentLine;
    my @fields = split (/\W+/, $currentLine);
    if (!exists $hash{$fields[1]})  # Have I not seen the Col2 value before?
    {
        $counter++;                 # If not, determine what to replace the value with. 
        $hash{$fields[1]} = $counter;
    }
    $fields[1] = $hash{$fields[1]}; # Replace with known replacement.

    print OUTFILE $fields[0],"\t",$fields[1],"\n";
}

使用严格；
使用警告；
打开（infle，“，”outfile.csv“）；
我的%hash=（“Col2”，“Col2”）#处理标题
我的$counter=0；
foreach my$currentLine（@lines）
{
chomp$currentLine；
my@fields=拆分（/\W+/，$currentLine）；
如果（！exists$hash{$fields[1]}）#我以前没有看到Col2值吗？
{
$counter++#如果不是，请确定用什么替换该值。
$hash{$fields[1]}=$counter；
}
$fields[1]=$hash{$fields[1]}；#替换为已知替换。
打印输出文件$fields[0]，“\t”，$fields[1]，“\n”；
}

这是一个非常简单的Perl解决方案。它只跟踪第二列的前一个值，如果它发生更改，则会碰撞

$n

的值

程序希望输入文件的路径作为命令行上的参数，并将修改后的数据发送到STDOUT

use strict;
use warnings;

print scalar <>; # Copy header line

my ($prev, $n) = (0, 0);
while (<>) {
  chomp;
  my @fields = split /\t/;
  ($prev, $fields[1]) = ($fields[1], $fields[1] == $prev ? $n : ++$n);
  print join("\t", @fields), "\n";
}

使用严格；
使用警告；
打印标量；#复制标题行
我的（$prev，$n）=（0,0）；
而（）{
咀嚼；
我的@fields=split/\t/；
（$prev，$fields[1]）=（$fields[1]，$fields[1]==$prev？$n:++$n）；
打印联接（“\t”，@字段），“\n”；
}

您能详细解释一下这个模式吗？所需的替代品是数字1、2、3……的自然顺序的可变长度运行，。。。等。要替换的模式是编号的运行，可能没有特定的顺序（尽管每次运行时的编号应该是唯一的），因此第二个要替换的运行对象“10”不应再次弹出。请显示您尝试过的内容，并描述您遇到的问题，然后我们可以帮助您。堆栈溢出是一个在你陷入自己的编程工作时获得帮助的地方，而不是一个免费编程劳动的来源。这听起来应该是可行的。我会试试看。但是，（很抱歉缺乏python知识）如何对制表符分隔的文件而不是csv执行此操作？@oisyuta:这是针对制表符分隔的文件。

csv

模块在这里处理通用的分隔文件，读写器都配置为使用

\t

（制表符）作为分隔符。这甚至不会编译。而且，它只生成两列输出，如果数据中有标点符号，就会失控，并且需要将标题标签硬编码到程序中。@Borodin:嗯，关于编译的内容，你确实是对的。对此我很抱歉，我在另一台机器上测试了它，并没有费心把它发送给post，只是输入了它。关于你的其他评论：我没有费心把所有的可能性都包括进去，真丢脸。我没想到会有人冲我来要求回答。但除了缺少“”和一个l而不是l之外，它还满足Op的要求。而且，是的，我完全希望Op能根据他们的实际需要调整总体思路，我不是他们的代码猴子。这不是一个很好的答案，我给你这个答案，但不到零？我认为这不够好，足以保证投反对票。如果其他人不同意我的意见，那么你的票数将会增加。@Borodin:在0和-1之间有一大步。我理解，这不是为了你（我看到你的答案非常详细，你可能永远都不会接近），但低于0的向下投票意味着我一开始就不应该回答。我的回答不仅没有真正帮助Op，甚至伤害了他们。这就是为什么否决票困扰着我。但不管怎样，我不能从众议员那个里买任何东西。我刚才看到，你们是我迄今为止看到的第一个投反对票多于投赞成票的人（这是多么大的差距），所以我怀疑这是否真的与你们有关。继续回答这个好问题。你必须明白我的投票不应该取决于它留给你的总数？我必须记下你的名字，因为你的代码并不能解决这个问题：数据中的省略号清楚地表明实际上有很多列数据，你正在丢弃除前两列以外的所有列。我对自己的投票记录并不感到自豪，我清楚地知道，我投票——特别是问题——太少了。我的观点倾向于过于黑白，所以要么答案是对的，要么不是，所以一无所获，要么投反对票。我欢迎你的评论，提醒大家在每一种情况下都要考虑投票。

use strict;
use warnings;

print scalar <>; # Copy header line

my ($prev, $n) = (0, 0);
while (<>) {
  chomp;
  my @fields = split /\t/;
  ($prev, $fields[1]) = ($fields[1], $fields[1] == $prev ? $n : ++$n);
  print join("\t", @fields), "\n";
}