Tenho vários arquivos com o seguinte conteúdo:
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
Gostaria de saber se existe uma maneira fácil de contar o número de linhas que possuem 3 colunas, 2 colunas e 1 coluna.
Portanto, a saída deve ser semelhante a:
3 columns: 3
2 columns: 14
1 colums: 7
Responder1
Awk é perfeito para isso. Ele dividirá as linhas em espaços em branco (por padrão; altere com a -F
opção) e a variável interna NF
(número de campos) terá o número de campos por linha. Então, basta percorrer o arquivo, salvando o NF
para cada linha:
awk '{
nums[NF]++
}
END{
for(num in nums){
printf "%d columns: %d\n", num, nums[num]
}
}' file
O código acima armazena apenas o número de campos ( NF
) no array associativo nums
cujas chaves são o número de campos e os valores são o número de vezes que esse número de colunas foi encontrado no arquivo. No final, apenas percorremos o array e imprimimos. Executar o procedimento acima em seu exemplo resulta em:
$ 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
Uma (pequena) desvantagem dessa abordagem é que você precisará manter uma entrada para cada linha do arquivo na memória. Isso não será um problema, a menos que seu arquivo seja absolutamente gigantesco ou você tenha pouquíssima memória disponível, mas se for, você pode contornar isso apenas imprimindo o número de campos por linha e depois contando:
$ awk '{ print NF}' file | sort | uniq -c
7 1
14 2
3 3
Ou, para obter a mesma saída:
$ 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
Responder2
Uma não awk
solução, talvez um pouco complicada:
$ 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