统计排序

简介:

 统计排序用到的主要是sort和uniq

文本如下

 
 
  1. ac 
  2.  
  3. bc 
  4.  
  5.  
  6.  
  7.  
  8. bc 
  9.  
  10. ac 
  11.  
  12.  
  13. bc 
 
按照出现频率从高到低排序,在shell面试题中出现频率超过50% 
 
 
思路
1、先sort排序
2、uniq -c 在行前统计出现次数
3、根据出现次数从高到低排序 sort -r
 
 
统计结果
 
 
 
  1. # cat test.txt |sort |uniq -c |sort -r 
  2.       3 bc 
  3.       2 ac 
  4.       1 f 
  5.       1 d 
  6.       1 c 
  7.       1 a 
 
 
需要注意的是
uniq统计时相同的字符必须在一起,否则会单独统计,因此需要sort配合
 









本文转自 紫色葡萄 51CTO博客,原文链接:http://blog.51cto.com/purplegrape/967378,如需转载请自行联系原作者

目录
相关文章
|
数据处理
在WXML里面截取字符串
在WXML里面截取字符串
252 0
|
小程序 网络安全 数据安全/隐私保护
现代密码学-传统密码技术(置换、代换密码)
现代密码学-传统密码技术(置换、代换密码)
1401 0
现代密码学-传统密码技术(置换、代换密码)
halcon模板匹配实践(2)算子find_shape_model里的参数Row, Column, Angle含义是什么?
halcon模板匹配实践(2)算子find_shape_model里的参数Row, Column, Angle含义是什么?
1263 0
halcon模板匹配实践(2)算子find_shape_model里的参数Row, Column, Angle含义是什么?
|
机器学习/深度学习 算法 计算机视觉
GitHub开源的ImageAI 库:几行代码可实现目标对象识别
GitHub开源的ImageAI 库:几行代码可实现目标对象识别
GitHub开源的ImageAI 库:几行代码可实现目标对象识别
|
10天前
|
数据采集 人工智能 安全
|
6天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
324 164