Question

我有一个巨大的制表符分隔文件，其中包含ID，

Q8H1E4  C5XVC0

        M7ZVB2
Q0J032

Q8H1E4  M0Z0D4

C4J6K5

如何计算ID的数量，使用bash命令可以快速计算每列中的空格，？因此它为第1列提供了4，为第3列提供了3。还有如何计算唯一ID，因为相同的ID可能会在文件中出现多次。我使用过这个命令，但它没有指定哪一列，而是整行，

grep -v '\s' file.txt |wc -l

Answer 1

这个awk应该更合适：

awk 'NF>1{c++;next}
     NF==1{id=$1!=""?$1 :$2;a[id]++}
     END{
         print "both fields:"c
         for (i in a){print i,a[i]}}' infile

Answer 2

如果您不反对python解决方案，这似乎可以满足您的要求：

import re

reg = re.compile('\W+')
uniqueEntries = []
counts = dict()

with open('test.txt', 'r') as dataFile:
    for line in dataFile:
        result = re.split(reg, line)
        for item in result:
            if item is not '':
                if result.index(item) in counts:
                    counts[result.index(item)] += 1
                else:
                    counts[result.index(item)] = 1
                if item not in uniqueEntries:
                    uniqueEntries.append(item)
print('counts = {0}, uniqueEntries = {1}'.format(counts, uniqueEntries))

计数= {0：4,1：3}，uniqueEntries = ['Q8H1E4'，'C5XVC0'，'M7ZVB2'，'Q0J032'，'M0Z0D4'，'C4J6K5']

计算文件中的非空列

2 个答案: