计算一个字符串在多列中出现 n 次的行数

Question

我有几百个文本文件，每个文件由五个制表符分隔的列组成。第一列包含一个索引，接下来的四列包含出现次数。现在我想计算包含 0 的 3 列（即下面示例中的 7 行）的行数。

1   0   0   0   9
2   0   9   0   0
3   10  0   0   0
4   0   10  4   0
5   0   0   0   10
6   0   0   0   10
7   0   0   0   10
8   0   10  0   0
9   5   0   5   0

我可以将其编码为 R 中的循环，但是由于每个原始文件包含 60 多万行，我想知道 awk 或 sed 和 wc -l 是否没有解决方法。

Answer 1

是的，你可以这样做awk：

awk '{ 
       k=0; 
       for(i=2;i<=NF;i++){ 
         if($i == 0){
             k++
         }
       }
       if(k==3){
         tot++
       }
      }
      END{
          print tot
      }' file 

还有（GNU）sed和wc：

$ sed -nE '/\b0\b.*\b0\b.*\b0\b/p' file | wc -l
7

但是，就个人而言，我会用 perl 代替：

$ perl -ale '$tot++ if (grep{$_ == 0 } @F) == 3 }{ print $tot' file 
7

或者，稍微不那么浓缩：

$ perl -ale 'if( (grep{$_ == 0 } @F) == 3 ){
                  $tot++ 
              }
              END{
                  print $tot
              }' file 
7

同样的事情，对于你们中的高尔夫球手来说：

$ perl -ale '(grep{$_==0}@F)==3&&$t++}{print$t' file
7

解释

• -ale:-a使 perl 表现得像 awk。它将读取输入文件的每一行并将其在空白处拆分为数组@F。的-l增加了\n到的每个呼叫print由输入及排除尾随换行符和-e是应被应用到输入的每一行的脚本。
• $tot++ if (grep{$_ == 0 } @F) == 3:$tot每次都有 3 个字段时加 1 0。由于第一个字段从 1 开始，我们知道它永远不会为 0，因此我们不需要排除它。
• }{：这只是一种速记方式END{}，提供了在处理文件后将执行的代码块。因此，}{ print $tot将打印具有正好三个值为 的字段的总行数0。