打印每列计数以及 header 名称

Question

我有一个昏迷去血文件。我有兴趣用 header 名称计算每列中的行数（列 count/length）。

示例数据集：

ID、IB、IM、IZ
0.05、0.02、0.01、0.09
0.06, 0.01, , 0.08
0.02, 0.06,

列ID:3

列IB:3

IM 列：1

列IZ:2

我试过几个选项：

我可以将这些列拆分成单独的文件，然后可以使用 wc -l File_name 命令计算每个文件中的行数。

这个和我感兴趣的很接近，但还是无法得到header名字。任何帮助将不胜感激。

Answer 1

使用 GNU awk:

awk -F'[[:space:]]*,[[:space:]]*' 'NR == 1 {header = [=10=]; next} \
  {for(i = 1; i <= NF; i++) n[i] += ($i ~ /\S/)} \
  END {[=10=] = header; for(i = 1; i <= NF; i++) print "Column " $i ": " n[i]}' file
Column ID: 3
Column IB: 3
Column IM: 2
Column IZ: 1

Answer 2

我会按照以下方式使用 GNU AWK 完成此任务，令 file.txt 内容为

ID, IB, IM, IZ
0.05, 0.02, 0.01, 0.09
0.06, 0.01, , 0.08
0.02, 0.06,

然后

awk 'BEGIN{FS=","}NR==1{split([=11=],names);next}{for(i=1;i<=NF;i+=1){counts[i]+=$i~/[^[:space:]]/}}END{for(i=1;i<=length(names);i+=1){print "Column",names[i]": "counts[i]}}' file.txt

输出

Column ID: 3
Column  IB: 3
Column  IM: 1
Column  IZ: 2

说明：我告诉GNU AWK ,是字段分隔符，当处理第一条记录时将整行（[=17=]）拆分成数组names，所以ID 变成 names[1]， IB 变成 names[2]， IM 变成 names[3] 等等。完成后转到 next 行。对于除第一行以外的所有列，使用 for 循环迭代列，对于每一行增加 counts[i] 的值（其中 i 是列数） 该列是否包含 non-whitespace character? 即 0 为 false，1 为 true。换句话说，如果 non-whitespace 找到的字符增加 1，否则增加 0。处理完所有行后，遍历 names 并打印具有相应值 counts 的名称。

（在 gawk 4.2.1 中测试）

Answer 3

在每个 Unix 机器上的任何 shell 中使用任何 awk：

$ cat tst.awk
BEGIN { FS=" *, *" }
NR == 1 {
    numCols = split([=10=],tags)
    next
}
{
    for ( i=1; i<=NF; i++ ) {
        if ( $i ~ /./ ) {
            cnt[i]++
        }
    }
}
END {
    for ( i=1; i<=numCols; i++ ) {
        printf "Column %s:%d\n", tags[i], cnt[i]
    }
}

$ awk -f tst.awk file
Column ID:3
Column IB:3
Column IM:1
Column IZ:2

打印每列计数以及 header 名称

Print each column count alongwith header name

awk

count