Question

我有一个包含超过2000行和45001列的数据文件。

第一列实际上是一个解释数据类型的“字符串”。

从第2列开始，直至列＃45001，数据被重新命名为

“1”

或

“0”

例如，一行中的数据模式为

（0 0 0 1 1 0 1 1 1 0 1 1 1 1 0 0 0 1 0 0 1 1 1 0 0）

数据的总数是25.在该数据行中，有5个子组，它们仅由数字“1”组成，例如（11 111 1111 1 111）。子组之间的“0”被假定为“分隔符”。所有“1”的总数是= 13.

我想计算

的比例

（所有“1”的总数/仅由“1”组成的子组总数）

那是

（13/5）。

我尝试使用此代码计算所有“1”的总和;

awk -F '0' '{print NF}' < inputfile.in

这给出了值13。

但我不知道如何进一步从这里开始计算我想要的比例。我不知道如何找到每一行内的子组数量，因为“1”和“0”的出现次数是随机的。

希望得到一些帮助来解决这个问题。

提前感谢任何帮助。

Answer 1

我从描述中不清楚输入文件的格式是什么。假设输入如下：

$ cat file
0 0 0 1 1 0 1 1 1 0 1 1 1 1 0 0 0 1 0 0 1 1 1 0 0

计算1的数量和1的组数并取其比例：

$ awk '{f=0;s1=0;s2=0;for (i=2;i<=NF;i++){s1+=$i;if ($i && !f)s2++;f=$i}; print s1/s2}' file
2.6

更新：处理全零

假设文件中的一行全部为零：

$ cat file
0 0 0 1 1 0 1 1 1 0 1 1 1 1 0 0 0 1 0 0 1 1 1 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

对于第二行，两个和都为零，这将导致除以零的误差。我们可以通过添加if语句来避免这种情况，该语句将打印比例（如果存在）或0/0不存在：

if (s2>0)print s1/s2; else print s1"/"s2

完整的代码现在是：

$ awk '{f=0;s1=0;s2=0;for (i=2;i<=NF;i++){s1+=$i;if ($i && !f)s2++;f=$i}; if (s2>0)print s1/s2; else print s1"/"s2}' file
2.6
0/0

如何运作

代码使用三个变量。 f是一个标志，如果我们当前在一组1中则为真（1），否则为假（0）。 s1是该行的数量。 s2是该行上的一组数量。

f=0;s1=0;s2=0

在每一行的开头，我们初始化变量。
for (i=2;i<=NF;i++){s1+=$i;if ($i && !f)s2++;f=$i}

我们遍历从字段2开始的行上的每个字段。如果字段包含1，我们递增计数器s1。如果该字段为1并且是新组的开头，我们会增加s2。
if (s2>0)print s1/s2; else print s1"/"s2}

如果我们遇到至少一个，我们打印比率s1/s2。否则，我们会打印0/0。

Answer 2

这是awk，可以满足您的需求：

cat file
data 0 0 0 1 1 0 1 1 1 0 1 1 1 1 0 0 0 1 0 0 1 1 1 0 0
data 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
data 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
data 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
BMR_10@O24-BMR_6@O13-H13 1 1 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 1 0 1 1 1
data 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 1

awk '{$1="";$0="0 "$0" 0";t=split($0,b,"1")-1;gsub(/ +/,"");n=split($0,a,"[^1]+")-2;print (n?t/n:0)}' t
2.6
0
25
11
5.5
3

计算包含二进制数的行中的比率值＆＃34; 0＆＃34; ＆安培; ＆＃34; 1＆＃34;

2 个答案:

更新：处理全零

如何运作