awk（またはPerl）内の一意の関連付け値の数を計算します。

Question 1

そしてawk：

awk 'function p(){print l,c,d; delete a; delete b; c=d=0} 
  NR!=1&&l!=$1{p()} ++a[$2]==1{c++} ++b[$3]==1{d++} {l=$1} END{p()}' file

説明する：

function p()p()：値を印刷し、使用された変数と配列を削除する関数を定義します。
NR!=1&&l!=$1最初の行ではなく、変数lが最初のフィールドと同じ場合、$1関数p()は実行されます。
++a[$2]==1{c++}aインデックス配列の要素値の増加が$2その値と等しい場合、1その値が最初に表示されるため、c変数が増加します。新しい値は要素の前に返されるため、++それと比較する前に増加が発生します1。
++b[$3]==1{d++}上記と同じですが、3番目のフィールドとd変数があります。
{l=$1}l最初のフィールドに（次の繰り返しのために..上）
END{p()}最後の行を処理した後、awk最後のブロックの値を印刷する必要があります。

与えられた入力に基づいて、出力は次のようになります。

apple 3 2
banana 4 5
cucumber 2 3

Answer

そしてawk：

awk 'function p(){print l,c,d; delete a; delete b; c=d=0} 
  NR!=1&&l!=$1{p()} ++a[$2]==1{c++} ++b[$3]==1{d++} {l=$1} END{p()}' file

説明する：

function p()p()：値を印刷し、使用された変数と配列を削除する関数を定義します。
NR!=1&&l!=$1最初の行ではなく、変数lが最初のフィールドと同じ場合、$1関数p()は実行されます。
++a[$2]==1{c++}aインデックス配列の要素値の増加が$2その値と等しい場合、1その値が最初に表示されるため、c変数が増加します。新しい値は要素の前に返されるため、++それと比較する前に増加が発生します1。
++b[$3]==1{d++}上記と同じですが、3番目のフィールドとd変数があります。
{l=$1}l最初のフィールドに（次の繰り返しのために..上）
END{p()}最後の行を処理した後、awk最後のブロックの値を印刷する必要があります。

与えられた入力に基づいて、出力は次のようになります。

apple 3 2
banana 4 5
cucumber 2 3

Question 2

私は空白と説明的な変数名が好きです。また何を言うのですか？とても久しぶりに文を書いてシャバンawkも忘れてしまいましたね。-fしかし、こうすると本当に禪状態にあるような感じがします。 俳句コード。

私は最小限のコーディングロジックがあるので、このソリューションが大好きです。配列インデックスを繰り返すforループは2つだけです。 3つの部分で構成されるステップforループ、ifステートメント、および明示的な値の比較はありません。これらすべては、ソフトウェアの欠陥（バグ）と統計的に相関があります。興味深いことに、明示的な割り当てはなく、1つの数学的操作と数の増加だけがあります。これはすべて言語機能の最大限の活用を示すものだと思います。

何か抜けたような気がしますが、まだ抜け穴が見つかりませんでした。

ご意見をお知らせください。コメントと建設的な批判を求めてください。このスクリプトのパフォーマンスに関する考慮事項について聞きたいです。

#!/usr/bin/awk -f

function count(seen, unique_count) {
    for (ij in seen) {
        split(ij, fields, SUBSEP)
        ++unique_count[fields[1]]
    }
}

{
    seen2[$1,$2]
    seen3[$1,$3]
}

END {
    count(seen2, count2)
    count(seen3, count3)
    for (i in count3) {
        print i, count2[i], count3[i]
    }
}

コメント

このスクリプトのユニークな特徴は、配列にデータがなくインデックスのみが含まれていることseen2です。seen3これは固有の値のみを計算するため、重要なのはこれらの値が表示されただけであり、何回表示されるかは関係ありません。

#!/usr/bin/awk -f

この関数は、入力レコード（フィールド1と2、またはフィールド1と3）で見つかった2つのフィールド値でインデックス付き配列を取得し、そのcountレコードを含む最初のフィールドでインデックス付けされた内部呼び出し配列を返します。一意のフィールド値の数。 2番目のインデックス累積列：seenunique_count

function count(seen, unique_count) {

このcount関数は配列のインデックスを繰り返しますseen。

    for (ij in seen) {

インデックスを2つの元の値（フィールド1とフィールド2またはフィールド3）に分割します。

        split(ij, fields, SUBSEP)

フィールド1で索引付けされた要素の数を増やします。

        ++unique_count[fields[1]]
    }
}

各入力ラインで、最初のフィールドと2番目または3番目のフィールドにインデックス付きの空の配列要素（まだ存在しない場合）を作成します。seen2計算する各フィールド番号に対して別々の配列（合計）を維持します。seen3与えられた列（2または3）の各固有値には1つの配列要素しかありません。

{
    seen2[$1,$2]
    seen3[$1,$3]
}

データの最後に、各列に表示される固有フィールドの数を数えます。

END {

入力から蓄積された配列をcount関数に渡し、一意のフィールド数を受け取るか入力しますcount2。count3

    count(seen2, count2)
    count(seen3, count3)

count2または、配列を段階的に実行しcount3（両方とも各行の最初のフィールドを持っているため、どちらも問題ありません）、フィールド1を印刷してから、フィールド1を含む各行に見つかった一意の値の数を印刷します。

    for (i in count3) {
        print i, count2[i], count3[i]
    }
}

一行バージョン

awk 'function c(s,u){for(x in s){split(x,f,SUBSEP); ++u[f[1]];}}
 {a[$1,$2]; b[$1,$3];} END {c(a,d); c(b,e); for(i in d){print i,d[i],e[i];}}'

Answer