按计数分组的bash命令

Question

我有以下格式的文件

abc|1
def|2
abc|8
def|3
abc|5
xyz|3

我需要在第一列中按这些单词进行分组，并将第二列的值相加。例如，此文件的输出应为

abc|14
def|5
xyz|3

说明：word＆＃34; abc＆＃34;的相应值通过添加这些数字，总和为14，输出变为＆＃34; abc | 14＆＃34;。同样，对于单词＆＃34; def＆＃34;，相应的值为2和3.总结这些，最终输出为＆＃34; def | 5＆＃34;。

非常感谢您的帮助:)

我尝试了以下命令

awk -F "|" '{arr[$1]+=$2} END {for (i in arr) {print i"|"arr[i]}}' filename

我发现的另一个命令是

awk -F "," 'BEGIN { FS=OFS=SUBSEP=","}{arr[$1]+=$2 }END {for (i in arr) print i,arr[i]}' filename

两者都没有向我显示预期的结果。虽然我也对这些命令的工作也有疑问。

Answer 1

我将添加一个答案来修复您的排序问题，在您的Awk逻辑中，您不需要使用sort / uniq管道输出{ {1}}，但在Awk本身处理。

参考GNU Awk Using Predefined Array Scanning Orders with gawk，您可以使用Awk变量（PROCINFO["sorted_in"]特定的）来控制gawk对最终输出进行排序的方式。

参考以下部分，

  

Awk   按索引按升序排序作为字符串进行比较;这是最基本的一种。 （在内部，数组索引始终是字符串，因此对于@ind_str_asc，索引为a[2*5] = 1而不是数字10。）

所以在10子句中的要求中使用它只需要做，

END

完整的命令，

END{PROCINFO["sorted_in"]="@ind_str_asc"; for (i in unique) print i,unique[i]}

Answer 2

简称GNU datamash解决方案：

datamash -s -t\| -g1 sum 2 < filename

输出：

abc|14
def|5
xyz|3

• -t\| - 字段分隔符

• -g1 - 第1栏分组

• sum 2 - 总结第二列的值

Answer 3

 awk -F\| '{ arry[$1]+=$2 } END { asorti(arry,arry2);for (i in arry2) { print arry2[i]"|"arry[arry2[i]]} }' filename

您的初始解决方案应该与排序问题分开。使用asorti函数将索引从arry排序到arry2，然后在循环中处理它们。