使用linux / bash计算列元素

Question

我有许多制表符分隔文件，其数据有点像这样

Header1               Header2....... Headern
Cat Bat                mat pat
Hat                     rat
Rat                  [Not Applicable]
[Not Available]      [Not Applicable]

我需要计算每个标头的有效行数。 无效的条目是[不可用]，[不适用]等。 我试图在一个数组中获取标题元素。一切都很好，直到这里。 但是，我发现难以计算每个标题。我还使用数组来存储标题的行值。但问题是数组存储[不作为一个不同的元素和可用]作为其他元素。此外，对于第一个标题，＆＃39; Cat Bat＆＃39;应该是一个条目，但数组也可能存储2个条目。

Answer 1

让我们从这个以制表符分隔的文件开始：

$ cat file
Header1         Header2
Cat Bat         mat pat
Hat             rat
Rat             [Not Applicable]
[Not Available] [Not Applicable]

对于每列，以下内容计算不以[Not A开头的条目：

$ awk -F'\t' 'NR==1{for (i=1;i<=NF;i++)h[i]=$i;next} {for (i=1;i<=NF;i++)c[i]+=($i !~ /[[]Not A/)} END{for (i=1;i<=NF;i++)print h[i],c[i]}' file
Header1 3
Header2 2

如何运作

• -F'\t'

  这会将字段分隔符设置为选项卡。

• NR==1{for (i=1;i<=NF;i++)h[i]=$i;next}

  对于第一行，这将保存数组h中的所有标题，然后跳过其余命令并跳转到next行。

• {for (i=1;i<=NF;i++)c[i]+=($i !~ /[[]Not A/)}

  对于第一行之后的所有行，如果列c[i]的值不以i开头，则会遍历每列并递增[Not A。

• END{for (i=1;i<=NF;i++)print h[i],c[i]}

  读完最后一行后，会打印出结果。

更新

假设除了[Not Applicable]和[Not Available]之外，我们还要忽略[unavailable]（注意：全部小写）。在这种情况下，我们对正则表达式稍作修改：

awk -F'\t' 'NR==1{for (i=1;i<=NF;i++)h[i]=$i;next} {for (i=1;i<=NF;i++)c[i]+=($i !~ /[[](Not A|unavailable)/)} END{for (i=1;i<=NF;i++)print h[i],c[i]}' file