Zliczanie wystąpień w pierwszej kolumnie pliku

Mamy ten plik:

i jeszcze 1000.

Chcę policzyć, ile razy każda wartość występuje w pierwszej kolumnie.

1  3 
3  1
52 2

To znaczy, że widzieliśmy 1 trzy razy.

Jak mogę to zrobić w Perlu, AWK lub Bash?

— Arash
źródło

Cześć arashams! Widziałem, jak ostatnio zadałeś bardzo podobne pytania, które dotyczą tego samego tematu. Jestem pewien, że społeczność chciałaby ci pomóc, ale może mógłbyś pokazać nam, co już próbowałeś i gdzie dokładnie utknąłeś? Wymagamy od ludzi, aby przed zadawaniem pytań wykazali się niewielkim wysiłkiem - nie trzeba się uczyć od zwykłego proszenia innych o podanie kodu dla konkretnej rzeczy. Dlaczego nie powiesz nam, na czym dokładnie polega to tło? Może jest łatwiejszy sposób na osiągnięcie tego, czego chcesz, i nie musimy uciekać się do fałszywych przykładów z abstrakcyjnymi liczbami?

— slhck

tnx za pomoc. Pracuję z danymi bgpdump i analizuję je.

— Arash

@slhck Komentujesz zasługuje na DUŻO więcej niż mój upvote i jeden inny!

— pnuts

Jeśli dane wejściowe są posortowane, możesz użyć uniq:

<infile cut -d' ' -f1 | uniq -c

Jeśli nie, posortuj najpierw:

<infile cut -d' ' -f1 | sort -n | uniq -c

Wydajność:

  3 1                                      
  1 3
  2 52

Dane wyjściowe są zamieniane w porównaniu z wymaganiami, można użyć awk '{ print $2, $1 }' zmienić to.

1 3 
3 1
52 2

Jest też idiom awk, który nie wymaga posortowanego wejścia:

awk '{h[$1]++}; END { for(k in h) print k, h[k] }'

Wydajność:

1 3
52 2
3 1

Ponieważ wyjście pochodzi z skrótu, nie zostanie zamówione, przejdź do sort -n jeśli to konieczne:

awk '{h[$1]++} END { for(k in h) print k, h[k] }' | sort -n

Jeśli używasz GNU awk, możesz wykonać sortowanie z poziomu awk:

awk '{h[$1]++} END { n = asorti(h, d, "@ind_num_asc"); for(i=1; i<=n; i++) print d[i], h[d[i]] }'

W dwóch ostatnich przypadkach dane wyjściowe to:

1 3
3 1
52 2

— Thor
źródło

tnx .its pracował :)

— Arash

czy mógłbyś wyjaśnić kod? awk '{h [$ 1] ++} END {dla (k in h) print k, h [k]}' | sort -n

— Arash

@arashams: The {h[$1]++} blok jest oceniany dla każdej linii. h jest hashem i $1 jest pierwszą kolumną i służy jako klucz do h. Więc to pokazuje, jak często unikalne $1 są widoczne. The END blok jest wykonywany na końcu wejścia i drukuje klucze i wartości. sort -n sortuje wyjście numerycznie.

— Thor