bash - 如何在 bash 一行中聚合计数

Question

我经常使用sort | uniq -c 进行计数统计。现在，如果我有两个具有此类计数统计信息的文件，我想将它们放在一起并添加计数。 (我知道我可以附加原始文件并在那里计数，但让我们假设只有计数文件是可访问的)。

例如给定:

a.cnt:

   1 a
   2 c

b.cnt:

   2 b
   1 c

我想连接并获得以下输出:

   1 a
   2 b
   3 c

在 shell 中执行此操作的最短方法是什么？

编辑:

感谢您到目前为止的回答!

一些可能需要额外考虑的方面:

• 如果 a、b、c 是任意字符串，包含任意空格怎么办？
• 如果文件太大，内存放不下怎么办？有没有一些 sort | uniq -c 这种情况下一次只查看两行的样式命令行选项？

Answer 1

这适用于任何给定数量的文件:

$ cat a.cnt b.cnt | awk '{a[$2]+=$1} END{for (i in a) print a[i],i}'
1 a
2 b
3 c

因此，假设您有 10 个文件，您只需执行 cat f1 f2 ... 然后通过管道传输此 awk。

如果文件名碰巧共享一个模式，你也可以这样做(thanks Adrian Frühwirth!):

awk '{a[$2]+=$1} END{for (i in a) print a[i],i}' *cnt

例如，这将考虑扩展名为 cnt 的所有文件。

---

Some possible side-aspects one might want to consider additionally:

• what if a, b, c are arbritrary strings, containing arbitrary white-spaces?
• what if the files are too big to fit in memory? Is there some sort | uniq -c-style command line option for this case that only looks at two lines at a time?

在这种情况下，您可以使用其余列作为计数器的索引:

awk '{count=$1; $1=""; a[$0]+=count} END{for (i in a) print a[i],i}' *cnt

请注意，实际上您不需要sort | uniq -c 并重定向到 cnt 文件，然后执行重新计数。你可以用这样的东西一起做这一切:

awk '{a[$0]++} END{for (i in a) print a[i], i}' file

例子

$ cat a.cnt
   1 and some
   2 text here

$ cat b.cnt
   4 and some
   4 and other things
   2 text here
   9 blabla

$ cat *cnt | awk '{count=$1; $1=""; a[$0]+=count} END{for (i in a) print a[i],i}'
4  text here
9  blabla
4  and some
4  and other things

关于第二条评论:

$ cat b
and some
text here
and some
and other things
text here
blabla

$ awk '{a[$0]++} END{for (i in a) print a[i], i}' b
2 and some
2 text here
1 and other things
1 blabla