☰

発生頻度

tag-icon • tag-icon sed awk perl
発生頻度

約3K行の長さのタブで区切られたテキストファイルがあります。

ここに表示されるデータの頻度（10,000の範囲）を計算したいと思います。

入力.txt

Price  
500    
1500   
10001   
15000  
17000  
25000  
33000  
39000  
:
:
8000000

出力.txt

Pricerange      pricerangecount  
0-10000          2               
10000-20000      3               
20000-30000      1               
30000-40000      2 
:
:

答え1

awk 'BEGIN{print "Pricerange\tpricerangecount"}
     NR>1 {cur=int($0/10000); A[cur]+=1; if (cur>m) m=cur; }
     END {for(i=0;i<=m;i++) printf("%d-%d:\t%d\n",i*10000, (i+1)*10000, A[i])}'

答え2

普通にgsl-histogram使うGNU科学図書館パック。あなたの場合と同じように（きれいな印刷がなければ、以前の解決策はすべて大丈夫で承認されました）：

  tail -n+2 Input.txt | gsl-histogram 0 40000 4

答え3

真珠：

perl -ne'$h{int$_/10000}++;END{printf"%d0000-%d0000  %d\n",$_,$_+1,$h{$_}for sort{$a<=>$b}keys%h}'

拡張：

while(<>) { #read each line (-n)
  $h{int $_/10000}++; #count buckets
}
for (sort {$a<=>$b} keys %h) { #sort numerically
  printf "%d0000-%d0000  %d\n", $_, $_+1, $h{$_};
}

答え4

Bashは良い解決策ではありませんが、ここのコメントに基づいて別の解決策があります。

N=10000
while read n;do [[ $n =~ ^[0-9]*$ ]]&&((a[n/N]++));done
for i in ${!a[*]};do echo $((i*N))-$(((i+1)*N-1)) $((a[i]));done

新しいプロセスを作成するためのオーバーヘッドがないため、小さなファイルではより高速ですが、大容量ファイルでは効率が低下します。

関連情報