分组求和
|
1
|
awk
'{s[$1] += $2}END{ for(i in s){ print i, s[i] } }'
file1
>
file2
|
以第一列 为变量名 第一列为变量，将相同第一列的第二列数据进行累加打印出和.
|
1
|
awk
'{s[$1" "$2] += $3}END{ for(i in s){ print i, s[i] } }'
file1
>
file2
|
以第一列和第二列为变量名， 将相同第一列、第二列的第三列数据进行累加打印出和
|
1
|
awk
'{s[$1] += $2; a[$1] += $3 }END{ for(i in s){ print i,s[i],a[i] } }'
haha
.
txt
|
如果第一列相同，则根据第一列来分组，分别打印第二列和第三列的和
匹配
1、匹配交集项
|
1
|
awk
'NR==FNR{a[$1]=1}NR>FNR&&a[$1]>0{print $0}'
file1（字段：
QQ）
file2（字段：
QQ 点券值
）
>
file3
|
如果file1、file2中，2个文件的第一列值相同，输出第2个文件的所有列
注意：数据量如果达到4Gb以上或者行数达到一亿级别，建议将file2进行split分割，否则就算是32G的内存的机器都会被吃掉；
|
1
|
awk
'NR==FNR{a[$1" "$2]=1}NR>FNR&&a[$1" "$2]>0{print $0}'
file1
file2
>
file3
|
如果file1、file2中，2个文件的第一列第二列值相同，输出第2个文件的所有列
2、匹配非交集项
|
1
|
awk
'NR==FNR{a[$1]=1}NR>FNR&&a[$1]<1 {print $0}'
file1
file2
>
file3
|
针对2个文件的第一列做比较，输出：在file2中去除file1中第一列出现过的行
第二种方法：
|
1
2
|
cat
file1
file2
|
sort
|
uniq
-
d
>
jiaoji
.
txt
cat
file2
jiaoji
.
txt
|
sort
|
uniq
-
u
>
file3
|
取最大值、最小值
1、针对(2列的文件)
|
1
|
awk
'{max[$1]=max[$1]>$2?max[$1]:$2}END{for(i in max)print i,max[i]}'
file
|
第一列不变，取第二列分组最大值
|
1
|
awk
'{if(!min[$1])min[$1]=20121231235959;min[$1]=min[$1]<$2?min[$1]:$2}END{for(i in min)print i,min[i]}'
file
|
第一列不变，取第二列分组最小值
2、针对单列的文件
|
1
2
|
awk
'BEGIN {max = 0} {if ($1>max) max=$1 fi} END {print "Max=", max}'
file2
awk
'BEGIN {min = 1999999} {if ($1<min) min=$1 fi} END {print "Min=", min}'
file2
|
求和、求平均值、求标准偏差
求和
|
1
|
cat
data
|
awk
'{sum+=$1} END {print "Sum = ", sum}'
|
求平均
|
1
|
cat
data
|
awk
'{sum+=$1} END {print "Average = ", sum/NR}'
|
求标准偏差
|
1
|
cat
$
FILE
|
awk
-
v
ave
=
$
ave
'{sum+=($1-ave)^2}END{print sqrt(sum/(NR-1))}'
|
整合行和列
1、列换成行
如果第一列相同，将所有的第二列 第三列 都放到一行里面
|
1
|
awk
'{qq[$1]=qq[$1](" "$2" "$3)}END{for(i in qq)print i,qq[i]}'
|
2、合并文件
2个文件，每个2列，将他们按照第一列相同的数，来合并成一个三列的文件,同时，将每个文件中针对第一列对应第二列中没有的数补0
|
1
|
awk
'FNR==NR{a[$1]=$2}FNR<NR{a[$1]?a[$1]=a[$1]" "$2:a[$1]=a[$1]" 0 "$2}END{for(i in a)print i,a[i]}'
file1
file2
>
file3
|
注意点：文件2 一定要比文件1 的行数小
3、2个文件，每个3列，将他们按照第一列、第二列相同的数，来合并成一个4列的文件,同时，将每个文件中针对第一列、第二列对应第3列中没有的数补0
|
1
|
awk
'FNR==NR{a[$1" "$2]=$3}FNR<NR{a[$1" "$2]?a[$1" "$2]=a[$1" "$2]" "$3:a[$1" "$2]=a[$1" "$2]" 0 "$3}END{for(i in a)print i,a[i]}'
file
|
4、将列换成行，遇到空行，另起下一行
|
1
|
awk
'
begin
{
RS
=
""
}
{
print
$
1
,
$
2
,
$
3
}
file1
|
5、某列数字范围筛选
|
1
2
3
4
|
cat
canshu
|
while
read
a
b
do
awk
'{ if ($2>'
"$a"
' && $2<='
"$b"
' ) print $1}'
result
.
txt
>
"$a"
_
"$b"
_result
.
log
done
|
注意点：awk使用函数时，使用'"$a"'(先单引号，后双引号)
集合类
1、集合交
|
1
|
cat
fileA
fileB
|
sort
|
uniq
–
d
>
result
.
log
|
2、集合差
|
1
2
|
cat
fileA
fileB
|
sort
|
uniq
-
d
>
jiaoji
.
txt
cat
fileA
jiaoji
.
txt
|
sort
|
uniq
-
u
>
result
.
log
|
3、集合全集去重
|
1
|
cat
fileA
fileB
|
sort
-
u
>
result
.
log
|
4、集合全集不去重
|
1
|
cat
fileA
fileB
|
sort
>
result
.
log
|
