使用awk计算统计量

Question

我对@fedorgui之前成功回答的问题here有疑问。

我有一张桌子：

pac1 xxx 
pac1 yyy
pac1 zzz
pac2 xxx
pac2 uuu
pac3 zzz
pac3 uuu
pac4 zzz

我需要像这样计算输出：

pac1 xxx 2/4
pac1 yyy 1/4
pac1 zzz 3/4
pac2 xxx 2/4
pac2 uuu 2/4
pac3 zzz 2/4
pac3 uuu 2/4
pac4 zzz 3/4

第一个数字是第二列中的唯一出现次数/第一列中的唯一出现次数（在这种情况下，xxx在第二列中出现2，而uniq第一列出现在4 => 2/4

awk中的解决方案工作在这里：

$ awk 'FNR==NR {col1[$1]++; col2[$2]++; next} {print $0, col2[$2] "/" length(col1)}' file file

但我的输入可能有重复的行，如：

pac1 xxx
pac1 xxx 
pac1 xxx  
pac1 yyy
pac1 zzz
pac2 xxx
pac2 xxx
pac2 xxx
pac2 uuu
pac3 zzz
pac3 uuu
pac4 zzz
pac4 zzz

我需要进行相同的计算，但仅针对uniq行，并将此统计信息添加到所有行，例如（不计算重复行）：

pac1 xxx 2/4
pac1 xxx 2/4
pac1 xxx 2/4
pac1 yyy 1/4
pac1 zzz 3/4
pac2 xxx 2/4
pac2 xxx 2/4
pac2 xxx 2/4
pac2 uuu 2/4
pac3 zzz 2/4
pac3 uuu 2/4
pac4 zzz 3/4
pac4 zzz 3/4

这更复杂我有数千行。谢谢你的任何想法。

Answer 1

添加到第二个数组时，只需检查该行是否唯一。

<a href="http://www.google.com">Google</a>

或者如果您的示例中的行末尾没有随机空格，则可以使用awk 'FNR==NR{a[$1];b[$2]+=!c[$1,$2]++;next}{print $0, b[$2] "/" length(a)}' test{,} pac1 xxx 2/4 pac1 xxx 2/4 pac1 xxx 2/4 pac1 yyy 1/4 pac1 zzz 3/4 pac2 xxx 2/4 pac2 xxx 2/4 pac2 xxx 2/4 pac2 uuu 2/4 pac3 zzz 3/4 pac3 uuu 2/4 pac4 zzz 3/4 pac4 zzz 3/4 代替$0