Question

我有一些带有类别行的文本文件和每个类别的数字数据。虽然类别数量有限，例如 a 到 g ，但并非所有文件都包含所有类别，例如：

文件1：

file2的：

file3的：

我想生成输出文件，如果该类别已经存在，则会再现该行，但如果该类别不存在，则使用数字数据0创建该类别。我想使用

$ awk '$1 ~ /category/ {print $0}'

对于已经存在的类别，但我不确定如何引入新的类别。

任何解决方案，即使不在awk，也不胜感激。

感谢。

Answer 1

以file1为例：

$ awk '{a[$1]=$2} END{split("abcdefg",b,//); for (i in b) print b[i],a[b[i]]+0}' file1
a 199
b 20
c 70
d 0
e 1
f 200
g 0

如何运作

a[$1]=$2

对于读取的每一行，我们将值保存在关联数组a中的列中，并将类别（第1列）作为键。
END{split("abcdefg",b,//); for (i in b) print b[i],a[b[i]]+0}

在我们读完文件后，我们创建了一个数组b，其中包含所有类别的值。因此b[1]为a而b[3]为c等。

接下来，对于b中的每个元素，我们打印出数组a中保存的值。如果a中没有保存任何值，则awk会为我们提供默认值。为了确保默认值为零，而不是空字符串，我们将0添加到a中的值，这会强制awk将a中的值视为数字。

处理多字母类别

让我们考虑一下这个测试文件：

$ cat file2
category1 1
category2 2

现在，让我们根据三个类别进行分析：

$ awk '{a[$1]=$2} END{split("category1_category2_category3",b,"_"); for (i in b) print b[i],a[b[i]]+0}' file2
category1 1
category2 2
category3 0

Answer 2

我们假设您还有一个包含类别的文件：

$ cat categories
a
b
c
d
e
f
g

我们还假设所有类别都是没有空格的简单单词，并且所有文件都在类别列中排序。编辑：实际上，任何类别字符串都会出现，但您最好使用标签或逗号等分隔符或文件中的内容，在这种情况下，将-t ","添加到文件中下面的join命令（如果你使用逗号）。 请参阅答案的结尾。

然后这解决了你的问题：

$ join -a 1 -o 1.1,2.2 -e 0 categories file1
a 199
b 20
c 70
d 0
e 1
f 200
g 0

join实用程序对两个文件的第一列（默认情况下）执行关系连接操作。在这里，我们使用categories文件和第一个示例文件来提供它。

-a 1选项说＆＃34;从第一个输入文件（categories）中提取所有行，即使它们与第二个文件中的行不匹配（file1）＆＃34;

-o 1.1,2.2选项说＆＃34;我希望看到第一个文件中的第1列，以及输出中第二个文件中的第2列＆＃34;。

-e 0选项说明＆＃34;用0＆＃34;替换所有缺失的值。

编辑：请记住，join 的两个输入文件必须在我们用于执行连接的字段上排序（第一个字段）在这种情况下的所有文件，因此每个文件上都会有一个简单的sort -o file file。如果文件没有排序，那么join需要将它们读入内存，就像许多其他Unix工具一样，这不是它的实现方式。相反，它是一种内存高效且快速的工具，只对输入数据提出了更严格的要求。其他工具（sort）可以轻松处理这些限制。这是Unix philosophy的实际效果。

编辑：多字类别示例：

$ cat categories
a category
b nice
c at
d cide
e ffective
f ull of gas
g one

$ cat file1
a category,199
b nice,20
c at,70
e ffective,1
f ull of gas,200

$ join -t "," -a 1 -o 1.1,2.2 -e 0 categories file1
a category,199
b nice,20
c at,70
d cide,0
e ffective,1
f ull of gas,200
g one,0

Answer 3

如果您想保留订单：

awk 'BEGIN{
    split("a b c d e f g",p);
    i=1
}
p[i]!=$1{
    print p[i],0;
    i++
}
{
    i++;
    print
}
END{
    for (j=i;j<=7;j++)print p[j],0
}' file

创建类别（如果不存在），如果存在，则打印当前数据

3 个答案:

如何运作

处理多字母类别