すべての列のすべての一意の値を一意の識別子に置き換えます。

Question 1

これは非常に簡単な方法です。これはgawk 3.1.7ではうまくいきます。

#!/usr/bin/awk -f
{
    for(x=2;x<=NF;x++) {
        if(x$x in a) {
            $x=a[x$x]
        } else {
            if($x=="NA") {
                print $x,0 > "column"x
                a[x$x]=0
                $x="0"
            } else {
                m[x]++
                print $x,m[x] > "column"x
                a[x$x]=m[x]
                $x=m[x]
            }
        }
    }
    print $0 > "results"
}

Answer

これは非常に簡単な方法です。これはgawk 3.1.7ではうまくいきます。

#!/usr/bin/awk -f
{
    for(x=2;x<=NF;x++) {
        if(x$x in a) {
            $x=a[x$x]
        } else {
            if($x=="NA") {
                print $x,0 > "column"x
                a[x$x]=0
                $x="0"
            } else {
                m[x]++
                print $x,m[x] > "column"x
                a[x$x]=m[x]
                $x=m[x]
            }
        }
    }
    print $0 > "results"
}

Question 2

$ awk 'BEGIN { id["NA"] = ++n } { for (i=2; i<=NF; ++i) { id[$i] || id[$i] = ++n; $i = id[$i] - 1 } } { print } END { for (i in id) { print i, id[i] - 1 >"map" } }' file
img1 1 2 3
img2 1 4 5
img3 6 2 7
img4 0 2 8

imgこれは、最初の列（-column）を除くすべての列の各値に一意のIDを割り当てます。私はIDを列ごとに一意にするのではなく、グローバルに一意にすることを選択しました。これは、生成する必要がある必要なマッピングファイルの数を減らすためです。

公開スクリプト：

BEGIN   { id["NA"] = ++n }

        {
            for (i=2; i<=NF; ++i) {
                id[$i] || id[$i] = ++n;
                $i = id[$i] - 1
            }
        }

        { print }

END     {
            for (i in id) {
                print i, id[i] - 1 >"map"
            }
        }

まず、文字列NAID 1を割り当てて（IDは出力する前に常に1ずつ減らす）、カウンタをn1に更新します。 n常に前の文字列に割り当てられたIDになります。

各入力行に対してフィールドを繰り返します。現在のフィールドの文字列にIDが割り当てられていない場合は、IDを割り当ててそのフィールドを変更します。

次に、行と変更されたフィールドを印刷します。

最後に、すべての文字列とそのIDはmap。

与えられた入力に対して、ファイルは次のようになります。

bb 2
ee 7
cc 3
NA 0
tt 8
dd 5
yy 4
aa 1
uu 6

Answer

$ awk 'BEGIN { id["NA"] = ++n } { for (i=2; i<=NF; ++i) { id[$i] || id[$i] = ++n; $i = id[$i] - 1 } } { print } END { for (i in id) { print i, id[i] - 1 >"map" } }' file
img1 1 2 3
img2 1 4 5
img3 6 2 7
img4 0 2 8