Question

我有一个包含数千个数字的文件，每个数字都在它自己的行上：

我正在寻找一个脚本，它将打印文件中所有数字的总和。我有一个解决方案，但效率不高。（运行需要几分钟。）我正在寻找更有效的解决方案。有什么建议吗？

Answer 1

您可以使用awk：

awk '{ sum += $1 } END { print sum }' file

Answer 2

对于Perl单线程，它与Ayman Hourieh's answer中的awk解决方案基本相同：

 % perl -nle '$sum += $_ } END { print $sum'

如果您对Perl单行所做的事情感到好奇，您可以将它们解构为：

 %  perl -MO=Deparse -nle '$sum += $_ } END { print $sum'

结果是一个更冗长的程序版本，其形式是任何人都不会自己写的：

BEGIN { $/ = "\n"; $\ = "\n"; }
LINE: while (defined($_ = <ARGV>)) {
    chomp $_;
    $sum += $_;
}
sub END {
    print $sum;
}
-e syntax OK

只是为了咯咯笑，我试着用一个包含1,000,000个数字的文件（范围在0到9,999之间）。在我的Mac Pro上，它几乎立即返回。这太糟糕了，因为我希望使用mmap会非常快，但这只是同一时间：

use 5.010;
use File::Map qw(map_file);

map_file my $map, $ARGV[0];

$sum += $1 while $map =~ m/(\d+)/g;

say $sum;

Answer 3

到目前为止，解决方案都没有使用paste。这是一个：

paste -sd+ filename | bc

作为示例，计算Σn，其中1 <= n <= 100000：

$ seq 100000 | paste -sd+ | bc -l
5000050000

（好奇的是，seq n会打印1到n的一系列数字，给出正数n。）

Answer 4

只是为了好玩，让我们对它进行基准测试：

$ for ((i=0; i<1000000; i++)) ; do echo $RANDOM; done > random_numbers

$ time perl -nle '$sum += $_ } END { print $sum' random_numbers
16379866392

real    0m0.226s
user    0m0.219s
sys     0m0.002s

$ time awk '{ sum += $1 } END { print sum }' random_numbers
16379866392

real    0m0.311s
user    0m0.304s
sys     0m0.005s

$ time { { tr "\n" + < random_numbers ; echo 0; } | bc; }
16379866392

real    0m0.445s
user    0m0.438s
sys     0m0.024s

$ time { s=0;while read l; do s=$((s+$l));done<random_numbers;echo $s; }
16379866392

real    0m9.309s
user    0m8.404s
sys     0m0.887s

$ time { s=0;while read l; do ((s+=l));done<random_numbers;echo $s; }
16379866392

real    0m7.191s
user    0m6.402s
sys     0m0.776s

$ time { sed ':a;N;s/\n/+/;ta' random_numbers|bc; }
^C

real    4m53.413s
user    4m52.584s
sys 0m0.052s

我在5分钟后中止了sed运行

我一直潜水到lua，而且很快：

$ time lua -e 'sum=0; for line in io.lines() do sum=sum+line end; print(sum)' < random_numbers
16388542582.0

real    0m0.362s
user    0m0.313s
sys     0m0.063s

当我更新这个时，ruby：

$ time ruby -e 'sum = 0; File.foreach(ARGV.shift) {|line| sum+=line.to_i}; puts sum' random_numbers
16388542582

real    0m0.378s
user    0m0.297s
sys     0m0.078s

Heed Ed Morton的建议：使用$1

$ time awk '{ sum += $1 } END { print sum }' random_numbers
16388542582

real    0m0.421s
user    0m0.359s
sys     0m0.063s

vs使用$0

$ time awk '{ sum += $0 } END { print sum }' random_numbers
16388542582

real    0m0.302s
user    0m0.234s
sys     0m0.063s

Answer 5

这有效：

{ tr '\n' +; echo 0; } < file.txt | bc

Answer 6

另一种选择是使用jq：

$ seq 10|jq -s add
55

-s（--slurp）将输入行读入数组。

Answer 7

这是直接的Bash：

sum=0
while read -r line
do
    (( sum += line ))
done < file
echo $sum

Answer 8

这是另一个单行

( echo 0 ; sed 's/$/ +/' foo ; echo p ) | dc

这假设数字是整数。如果您需要小数，请尝试

( echo 0 2k ; sed 's/$/ +/' foo ; echo p ) | dc

将2调整为所需的小数位数。

Answer 9

我更喜欢将GNU datamash用于此类任务，因为它比perl或awk更简洁易读。例如

datamash sum 1 < myfile

其中1表示第一列数据。

Answer 10

cat nums | perl -ne '$sum += $_ } { print $sum'

（与brian d foy的答案相同，没有'END'）

Answer 11

只是为了好玩，让我们用PDL，Perl的数组数学引擎来做吧！

perl -MPDL -E 'say rcols(shift)->sum' datafile

rcols将列读入矩阵（在本例中为1D），sum（惊讶）将矩阵的所有元素相加。

Answer 12

这是一个使用python和生成器表达式的解决方案。在我的老式笔记本电脑上测试了一百万个数字。

time python -c "import sys; print sum((float(l) for l in sys.stdin))" < file

real    0m0.619s
user    0m0.512s
sys     0m0.028s

Answer 13

我更喜欢使用R：

$ R -e 'sum(scan("filename"))'

Answer 14

C ++“单线”：

#include <iostream>
#include <iterator>
#include <numeric>
using namespace std;

int main() {
    cout << accumulate(istream_iterator<int>(cin), istream_iterator<int>(), 0) << endl;
}

Answer 15

Perl 6

say sum lines

~$ perl6 -e '.say for 0..1000000' > test.in

~$ perl6 -e 'say sum lines' < test.in
500000500000

Answer 16

更简洁：

OnLoad()

Answer 17

$ perl -MList::Util=sum -le 'print sum <>' nums.txt

Answer 18

sed ':a;N;s/\n/+/;ta' file|bc

Answer 19

使用Ruby：

ruby -e "File.read('file.txt').split.inject(0){|mem, obj| mem += obj.to_f}"

Answer 20

另一个有趣的事情

sum=0;for i in $(cat file);do sum=$((sum+$i));done;echo $sum

或仅限其他bash

s=0;while read l; do s=$((s+$l));done<file;echo $s

但awk解决方案可能是最好的，因为它最紧凑。

Answer 21

我没有对此进行过测试，但它应该有效：

cat f | tr "\n" "+" | sed 's/+$/\n/' | bc

如果bc不处理EOF和EOL，你可能需要在bc之前的字符串中添加“\ n”（如via echo）...

Answer 22

我不能只路过……这是我的Haskell单线飞机。它实际上很可读：

sum <$> (read <$>) <$> lines <$> getContents

不幸的是，没有ghci -e可以运行，所以它需要主要功能，打印和编译。

main = (sum <$> (read <$>) <$> lines <$> getContents) >>= print

为澄清起见，我们读取了整个输入（getContents），将其按行分割，读取为数字和总和。 <$>是fmap运算符-我们使用它而不是通常的函数应用程序，因为确保这一切都在IO中发生。 read需要一个附加的fmap，因为它也在列表中。

$ ghc sum.hs
[1 of 1] Compiling Main             ( sum.hs, sum.o )
Linking sum ...
$ ./sum 
1
2
4
^D
7

这是一个奇怪的升级，使其可以与浮点数一起使用：

main = ((0.0 + ) <$> sum <$> (read <$>) <$> lines <$> getContents) >>= print

$ ./sum 
1.3
2.1
4.2
^D
7.6000000000000005

Answer 23

GNU Parallel可以通过将工作负载分布在多个内核上来改善上述许多答案。

在下面的示例中，我们将500个数字（--max-lines=500）的块发送到bc进程，这些进程一次并行（-j 4）执行4个。然后将结果汇总到最后的bc。

time parallel --max-lines=500 -j 4 --pipe "paste -sd+ - | bc" < random_numbers | paste -sd+ - | bc

工作量和并行处理数量的最佳选择取决于机器和问题。请注意，只有在存在大量并行工作且每个工作量很大的并行处理时，此解决方案才真正发挥作用。

Answer 24

我不知道你是否能比这更好，考虑到你需要阅读整个文件。

$sum = 0;
while(<>){
   $sum += $_;
}
print $sum;

Answer 25

tcl中的一个：

#!/usr/bin/env tclsh
set sum 0
while {[gets stdin num] >= 0} { incr sum $num }
puts $sum

Answer 26

在使用awk的shell中，我使用以下脚本来这样做：

    #!/bin/bash


total=0;

for i in $( awk '{ print $1; }' <myfile> )
do
 total=$(echo $total+$i | bc )
 ((count++))
done
echo "scale=2; $total " | bc

Answer 27

Bash变体

raw=$(cat file)
echo $(( ${raw//$'\n'/+} ))

$ wc -l file
10000 file

$ time ./test
323390

real    0m3,096s
user    0m3,095s
sys     0m0,000s

Answer 28

在Go中：

package main

import (
    "bufio"
    "fmt"
    "os"
    "strconv"
)

func main() {
    scanner := bufio.NewScanner(os.Stdin)
    sum := int64(0)
    for scanner.Scan() {
        v, err := strconv.ParseInt(scanner.Text(), 10, 64)
        if err != nil {
            fmt.Fprintf(os.Stderr, "Not an integer: '%s'\n", scanner.Text())
            os.Exit(1)
        }
        sum += v
    }
    fmt.Println(sum)
}

Answer 29

运行R脚本

我已经编写了一个R脚本来接受文件名的参数并对行进行求和。

#! /usr/local/bin/R
file=commandArgs(trailingOnly=TRUE)[1]
sum(as.numeric(readLines(file)))

这可以通过“ data.table”或“ vroom”包加速，如下所示：

#! /usr/local/bin/R
file=commandArgs(trailingOnly=TRUE)[1]
sum(data.table::fread(file))

#! /usr/local/bin/R
file=commandArgs(trailingOnly=TRUE)[1]
sum(vroom::vroom(file))

基准化

与@glenn jackman相同的基准数据。

for ((i=0; i<1000000; i++)) ; do echo $RANDOM; done > random_numbers

与上述R调用相比，将R 3.5.0作为脚本运行与其他方法（在同一Linux Debian服务器上）相当。

$ time R -e 'sum(scan("random_numbers"))'  
 0.37s user
 0.04s system
 86% cpu
 0.478 total

带有readLines的R脚本

$ time Rscript sum.R random_numbers
  0.53s user
  0.04s system
  84% cpu
  0.679 total

带有data.table的R脚本

$ time Rscript sum.R random_numbers     
 0.30s user
 0.05s system
 77% cpu
 0.453 total

带有vroom的R脚本

$ time Rscript sum.R random_numbers     
  0.54s user 
  0.11s system
  93% cpu
  0.696 total

与其他语言的比较

与其他在相同硬件上建议的方法一样，在这里供参考

Python 2（2.7.13）

$ time python2 -c "import sys; print sum((float(l) for l in sys.stdin))" < random_numbers 
 0.27s user 0.00s system 89% cpu 0.298 total

Python 3（3.6.8）

$ time python3 -c "import sys; print(sum((float(l) for l in sys.stdin)))" < random_number
0.37s user 0.02s system 98% cpu 0.393 total

Ruby（2.3.3）

$  time ruby -e 'sum = 0; File.foreach(ARGV.shift) {|line| sum+=line.to_i}; puts sum' random_numbers
 0.42s user
 0.03s system
 72% cpu
 0.625 total

Perl（5.24.1）

$ time perl -nle '$sum += $_ } END { print $sum' random_numbers
 0.24s user
 0.01s system
 99% cpu
 0.249 total

Awk（4.1.4）

$ time awk '{ sum += $0 } END { print sum }' random_numbers
 0.26s user
 0.01s system
 99% cpu
 0.265 total
$ time awk '{ sum += $1 } END { print sum }' random_numbers
 0.34s user
 0.01s system
 99% cpu
 0.354 total

C（clang版本3.3; gcc（Debian 6.3.0-18）6.3.0）

 $ gcc sum.c -o sum && time ./sum < random_numbers   
 0.10s user
 0.00s system
 96% cpu
 0.108 total

使用其他语言更新

卢阿（5.3.5）

$ time lua -e 'sum=0; for line in io.lines() do sum=sum+line end; print(sum)' < random_numbers 
 0.30s user 
 0.01s system
 98% cpu
 0.312 total

tr（8.26）必须以bash计时，与zsh不兼容

$time { { tr "\n" + < random_numbers ; echo 0; } | bc; }
real    0m0.494s
user    0m0.488s
sys 0m0.044s

sed（4.4）必须以bash计时，与zsh不兼容

$  time { head -n 10000 random_numbers | sed ':a;N;s/\n/+/;ta' |bc; }
real    0m0.631s
user    0m0.628s
sys     0m0.008s
$  time { head -n 100000 random_numbers | sed ':a;N;s/\n/+/;ta' |bc; }
real    1m2.593s
user    1m2.588s
sys     0m0.012s

注意：sed调用在具有更多可用内存的系统上似乎工作更快（请注意，用于sed基准测试的数据集较小）

朱莉娅（0.5.0）

$ time julia -e 'print(sum(readdlm("random_numbers")))'
 3.00s user 
 1.39s system 
 136% cpu 
 3.204 total
$  time julia -e 'print(sum(readtable("random_numbers")))'
 0.63s user 
 0.96s system 
 248% cpu 
 0.638 total

请注意，与R中一样，文件I / O方法具有不同的性能。

Answer 30

要按0替换所有新行，添加Ruby并将其发送给(sed -e "s/$/+/" file; echo 0)|irb解释器并不容易吗？

irb

如果您没有bc，则可以将其发送至echo，但您必须删除除最后一个（tr之外）的所有换行符。除非您拥有sed的博士学位，否则最好使用(sed -e "s/$/+/" file|tr -d "\n"; echo 0)|bc。

{
  "took": 5,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 1,
    "hits": [
      {
        "_index": "app",
        "_type": "app",
        "_id": "8kznyGIBd_HxFbiV_E89",
        "_score": 1,
        "_source": {
          "appfield": "5dc0f6ea00b2665a682f865b",
          "secretfield": "6a7d75798d1fc93107381d6f"


        }
      }
    ]
  }
}

Answer 31

这是另一个：

open(FIL, "a.txt");

my $sum = 0;
foreach( <FIL> ) {chomp; $sum += $_;}

close(FIL);

print "Sum = $sum\n";

Answer 32

C总是赢得速度：

#include <stdio.h>
#include <stdlib.h>

int main(int argc, char **argv) {
    ssize_t read;
    char *line = NULL;
    size_t len = 0;
    double sum = 0.0;

    while (read = getline(&line, &len, stdin) != -1) {
        sum += atof(line);
    }

    printf("%f", sum);
    return 0;
}

1M号码的时间（与我的python答案相同的机器/输入）：

$ gcc sum.c -o sum && time ./sum < numbers 
5003371677.000000
real    0m0.188s
user    0m0.180s
sys     0m0.000s

Answer 33

您可以使用Alacon - Alasql数据库的命令行实用程序。

它适用于Node.js，因此您需要安装Node.js然后Alasql包：

要从TXT文件计算总和，您可以使用以下命令：

> node alacon "SELECT VALUE SUM([0]) FROM TXT('mydata.txt')"

Answer 34

cat f | tr“ \ n”“ +” | perl -pne chop | R-香草-奴隶

Answer 35

只是荒谬：

cat f | tr "\n" "+" | perl -pne chop | R --vanilla --slave

如何快速汇总文件中的所有数字？

35 个答案:

Perl 6

运行R脚本

基准化

与其他语言的比较

使用其他语言更新