Tengo varios archivos con el siguiente contenido:
GGHTERR_01218 GGHTERR_02418 GGHTERR_01991
GGHTERR_02211 GGHTERR_02297 GGHTERR_02379
GGHTERR_02294 GGHTERR_02455 GGHTERR_02374
GGHTERR_00532 GGHTERR_00534
GGHTERR_00533 GGHTERR_00535
GGHTERR_00776 GGHTERR_00779
GGHTERR_01220 GGHTERR_01620
GGHTERR_01760 GGHTERR_01761
GGHTERR_01774 GGHTERR_02404
GGHTERR_01889 GGHTERR_01890
GGHTERR_02081 GGHTERR_02287
GGHTERR_02152 GGHTERR_02153
GGHTERR_02260 GGHTERR_02321
GGHTERR_02295 GGHTERR_02375
GGHTERR_02419 GGHTERR_02437
GGHTERR_02420 GGHTERR_02438
GGHTERR_02430 GGHTERR_02448
GGHTERR_00001
GGHTERR_00002
GGHTERR_00003
GGHTERR_00004
GGHTERR_00005
GGHTERR_00006
GGHTERR_00007
Me gustaría saber si existe una manera fácil de contar la cantidad de filas que tienen 3 columnas, 2 columnas y 1 columna.
Entonces la salida debería verse así:
3 columns: 3
2 columns: 14
1 colums: 7
Respuesta1
Awk es perfecto para esto. Dividirá líneas en espacios en blanco (de forma predeterminada; cambie con la -F
opción) y la variable interna NF
(número de campos) tiene el número de campos por línea. Entonces, simplemente revise el archivo y guarde el archivo NF
para cada línea:
awk '{
nums[NF]++
}
END{
for(num in nums){
printf "%d columns: %d\n", num, nums[num]
}
}' file
El código anterior simplemente almacena la cantidad de campos ( NF
) en la matriz asociativa nums
cuyas claves son la cantidad de campos y los valores son la cantidad de veces que se encontró esa cantidad de columnas en el archivo. Al final, simplemente revisamos la matriz e imprimimos. Ejecutar lo anterior en su ejemplo da como resultado:
$ awk '{ nums[NF]++}END{for(num in nums){printf "%d columns: %d\n", num, nums[num]}}' file
1 columns: 7
2 columns: 14
3 columns: 3
Un (pequeño) inconveniente de este enfoque es que necesitará mantener una entrada para cada línea del archivo en la memoria. Eso no será un problema a menos que su archivo sea absolutamente gigantesco o tenga muy poca memoria disponible, pero si lo es, puede solucionarlo simplemente imprimiendo el número de campos por línea y luego contando:
$ awk '{ print NF}' file | sort | uniq -c
7 1
14 2
3 3
O, para obtener el mismo resultado:
$ awk '{ print NF}' file | sort | uniq -c | while read num fields; do printf "%d columns: %d\n" "$num" "$fields"; done
7 columns: 1
14 columns: 2
3 columns: 3
Respuesta2
Una no awk
solución, tal vez un poco engorrosa:
$ a=$(grep '^[GHTER_0-9]\+[[:space:]]\+[GHTER_0-9]\+[[:space:]]\+[GHTER_0-9]\+$' file | wc -l)
$ b=$(grep '^[GHTER_0-9]\+[[:space:]]\+[GHTER_0-9]\+$' file | wc -l)
$ c=$(grep '^[GHTER_0-9]\+$' file | wc -l)
$ printf "3 columns %s\n2 columns %s\n1 column %s\n" $a $b $c
3 columns 3
2 columns 14
1 columns 7