在 awk 中嵌套 for 循环以计算匹配值的字段数

Question

我有一个包含两列（140 万行）的文件，如下所示：

CLM MXL
0 0
0 1
1 1
1 1
0 0
29 42
0 0
30 15

我想计算每个可能的值组合的实例；例如，如果有 x 行，其中 CLM 列等于 0，MXL 列匹配 1，我想打印：

0 1 x

由于 CLM 列的最大值为 188，MXL 列的最大值为 128，因此我尝试在 awk 中使用嵌套的 for 循环，如下所示：

awk '{for (i=0; i<=188; i++) {for (j=0; j<=128; j++) {if($9==i && $10==j) {print$0}}}}' 1000Genomes.ALL.new.txt > test

但这只会打印出原始文件，这是有道理的，我只是不知道如何正确编写一个 for 循环，为每个值组合打印出一个文件，然后我可以 wc 或打印出一个每个组合的计数文件。 awk、bash 脚本、perl 脚本中的任何解决方案都会很棒。

Answer 1

1。纯awk 解决方案

$ awk 'NR>1{c[$0]++} END{for (k in c)print k,c[k]}' file | sort -n
0 0 3
0 1 1
1 1 2
29 42 1
30 15 1

工作原理

代码使用单个变量c。 c 是一个关联数组，其键是文件中的行，值是出现次数。

• NR>1{c[$0]++}

  对于除第一行（具有标题）之外的每一行，这都会增加该行中组合的计数。

• END{for (k in c)print k,c[k]}

  这会打印出最终计数。

• sort -n

  这只是为了美观：它将输出行按可预测的顺序排列。

2。替代使用uniq -c

$ tail -n+2 file | sort -n | uniq -c | awk '{print $2,$3,$1}'
0 0 3
0 1 1
1 1 2
29 42 1
30 15 1

工作原理

• tail -n+2 file

  这将打印文件的第一行以外的所有内容。这样做的目的是删除列标题。

• sort -n | uniq -c

  这会对行进行排序，然后计算重复项。

• awk '{print $2,$3,$1}

  uniq -c 将计数放在首位，而您希望计数是最后一行。这只是将列重新排列为您想要的格式。