Bashでファイルを転置する効率的な方法

このようにフォーマットされた巨大なタブ区切りファイルがあります

X column1 column2 column3
row1 0 1 2
row2 3 4 5
row3 6 7 8
row4 9 10 11

bashコマンドのみを使用して、効率的な方法で転置したいと思います（10行程度のPerlスクリプトを作成することもできますが、ネイティブのbash関数よりも実行が遅くなります）。したがって、出力は次のようになります

X row1 row2 row3 row4
column1 0 3 6 9
column2 1 4 7 10
column3 2 5 8 11

私はこのような解決策を考えました

cols=`head -n 1 input | wc -w`
for (( i=1; i <= $cols; i++))
do cut -f $i input | tr $'\n' $'\t' | sed -e "s/\t$/\n/g" >> output
done

しかし、それは遅く、最も効率的なソリューションとは思えません。この投稿でviの解決策を見ましたが、それでもまだ時間がかかりすぎています。考え/提案/素晴らしいアイデアはありますか？:-)

awk '
{ 
    for (i=1; i<=NF; i++)  {
        a[NR,i] = $i
    }
}
NF>p { p = NF }
END {    
    for(j=1; j<=p; j++) {
        str=a[1,j]
        for(i=2; i<=NR; i++){
            str=str" "a[i,j];
        }
        print str
    }
}' file

出力

$ more file
0 1 2
3 4 5
6 7 8
9 10 11

$ ./shell.sh
0 3 6 9
1 4 7 10
2 5 8 11

10000行ファイルでのJonathanによるPerlソリューションに対するパフォーマンス

$ head -5 file
1 0 1 2
2 3 4 5
3 6 7 8
4 9 10 11
1 0 1 2

$  wc -l < file
10000

$ time perl test.pl file >/dev/null

real    0m0.480s
user    0m0.442s
sys     0m0.026s

$ time awk -f test.awk file >/dev/null

real    0m0.382s
user    0m0.367s
sys     0m0.011s

$ time perl test.pl file >/dev/null

real    0m0.481s
user    0m0.431s
sys     0m0.022s

$ time awk -f test.awk file >/dev/null

real    0m0.390s
user    0m0.370s
sys     0m0.010s

エドモートンによる編集（不承認の場合は@ ghostdog74を削除してください）。

たぶん、このバージョンにいくつかのより明示的な変数名を付けると、以下の質問のいくつかに答えるのに役立ち、スクリプトが何をしているのか一般的に明確になります。また、OPが最初に要求したセパレーターとしてタブを使用しているため、空のフィールドが処理され、この特定のケースでは、出力が少し誤って出力されます。

$ cat tst.awk
BEGIN { FS=OFS="\t" }
{
    for (rowNr=1;rowNr<=NF;rowNr++) {
        cell[rowNr,NR] = $rowNr
    }
    maxRows = (NF > maxRows ? NF : maxRows)
    maxCols = NR
}
END {
    for (rowNr=1;rowNr<=maxRows;rowNr++) {
        for (colNr=1;colNr<=maxCols;colNr++) {
            printf "%s%s", cell[rowNr,colNr], (colNr < maxCols ? OFS : ORS)
        }
    }
}

$ awk -f tst.awk file
X       row1    row2    row3    row4
column1 0       3       6       9
column2 1       4       7       10
column3 2       5       8       11

上記のソリューションは、どのawkでも機能します（もちろん、古い壊れたawkは除きます-YMMVがあります）。

上記の解決策は、ファイル全体をメモリに読み込みますが、入力ファイルが大きすぎる場合は、これを行うことができます。

$ cat tst.awk
BEGIN { FS=OFS="\t" }
{ printf "%s%s", (FNR>1 ? OFS : ""), $ARGIND }
ENDFILE {
    print ""
    if (ARGIND < NF) {
        ARGV[ARGC] = FILENAME
        ARGC++
    }
}
$ awk -f tst.awk file
X       row1    row2    row3    row4
column1 0       3       6       9
column2 1       4       7       10
column3 2       5       8       11

ほとんどメモリを使用しませんが、行のフィールド数ごとに1回入力ファイルを読み取るため、ファイル全体をメモリに読み取るバージョンよりもはるかに遅くなります。また、フィールドの数は、各ライン上で同じであると仮定し、それはのためのGNU AWKを使用ENDFILEし、ARGINDしかし、任意のawkは上のテストで同じことを行うことができますFNR==1し、END。

別のオプションは使用することrsです：

rs -c' ' -C' ' -T

-c入力列セパレーターを-C変更し、出力列セパレーターを変更し、-T行と列を入れ替えます。の-t代わりに使用しないでください-T。通常は正しくない行と列の数が自動的に計算されるためです。rsは、APLのreshape関数にちなんで名付けられ、BSDおよびOS Xに付属していますが、他のプラットフォームのパッケージマネージャーから利用できるはずです。

2番目のオプションは、Rubyを使用することです。

ruby -e'puts readlines.map(&:split).transpose.map{|x|x*" "}'

3番目のオプションは、使用することjqです：

jq -R .|jq -sr 'map(./" ")|transpose|map(join(" "))[]'

jq -R .各入力行をJSON文字列リテラルとして出力し、（）各行をJSONとして解析した後に入力行の配列を作成し、-s（--slurp）JSON文字列リテラルではなく文字列の内容を出力します。演算子は、文字列を分割するためにオーバーロードされます。-r--raw-output/

Pythonソリューション：

python -c "import sys; print('\n'.join(' '.join(c) for c in zip(*(l.split() for l in sys.stdin.readlines() if l.strip()))))" < input > output

上記は以下に基づいています。

import sys

for c in zip(*(l.split() for l in sys.stdin.readlines() if l.strip())):
    print(' '.join(c))

このコードは、すべての行に同じ数の列があることを前提としています（埋め込みは行われません）。

sourceforge の転置プロジェクトは、まさにそのためのcoreutilのようなCプログラムです。

gcc transpose.c -o transpose
./transpose -t input > output #works with stdin, too.

純粋なBASH、追加のプロセスはありません。いい練習：

declare -a array=( )                      # we build a 1-D-array

read -a line < "$1"                       # read the headline

COLS=${#line[@]}                          # save number of columns

index=0
while read -a line ; do
    for (( COUNTER=0; COUNTER<${#line[@]}; COUNTER++ )); do
        array[$index]=${line[$COUNTER]}
        ((index++))
    done
done < "$1"

for (( ROW = 0; ROW < COLS; ROW++ )); do
  for (( COUNTER = ROW; COUNTER < ${#array[@]}; COUNTER += COLS )); do
    printf "%s\t" ${array[$COUNTER]}
  done
  printf "\n" 
done

のように使用できるGNU datamashを見てくださいdatamash transpose。将来のバージョンでは、クロス集計（ピボットテーブル）もサポートされる予定です。

これは、仕事を行うための適度に堅固なPerlスクリプトです。@ ghostdog74のawkソリューションには多くの構造的な類似点があります。

#!/bin/perl -w
#
# SO 1729824

use strict;

my(%data);          # main storage
my($maxcol) = 0;
my($rownum) = 0;
while (<>)
{
    my(@row) = split /\s+/;
    my($colnum) = 0;
    foreach my $val (@row)
    {
        $data{$rownum}{$colnum++} = $val;
    }
    $rownum++;
    $maxcol = $colnum if $colnum > $maxcol;
}

my $maxrow = $rownum;
for (my $col = 0; $col < $maxcol; $col++)
{
    for (my $row = 0; $row < $maxrow; $row++)
    {
        printf "%s%s", ($row == 0) ? "" : "\t",
                defined $data{$row}{$col} ? $data{$row}{$col} : "";
    }
    print "\n";
}

サンプルデータサイズでは、perlとawkのパフォーマンスの違いはごくわずかです（合計7つのうち1ミリ秒）。より大きなデータセット（100x100マトリックス、エントリはそれぞれ6〜8文字）では、perlはawkをわずかに上回った-0.026秒vs 0.042秒。どちらも問題になる可能性は低いです。

Perl 5.10.1（32ビット）とawk（ '-V'が指定されている場合はバージョン20040207）とgawk 3.1.7（32ビット）の比較タイミングライン：

Osiris JL: time gawk -f tr.awk xxx  > /dev/null

real    0m0.367s
user    0m0.279s
sys 0m0.085s
Osiris JL: time perl -f transpose.pl xxx > /dev/null

real    0m0.138s
user    0m0.128s
sys 0m0.008s
Osiris JL: time awk -f tr.awk xxx  > /dev/null

real    0m1.891s
user    0m0.924s
sys 0m0.961s
Osiris-2 JL: 

このマシンでは、gawkはawkよりもはるかに高速ですが、perlよりも低速です。明らかに、走行距離は異なります。

scインストールした場合は、次のことができます。

psc -r < inputfile | sc -W% - > outputfile

これには専用のユーティリティがあり、

GNU datamashユーティリティ

apt install datamash  

datamash transpose < yourfile

このサイト、https：//www.gnu.org/software/datamash/およびhttp://www.thelinuxrain.com/articles/transposing-rows-and-columns-3-methodsから 取得

すべての行に同じ数のフィールドがあると仮定すると、このawkプログラムは問題を解決します。

{for (f=1;f<=NF;f++) col[f] = col[f]":"$f} END {for (f=1;f<=NF;f++) print col[f]}

つまり、行をループすると、すべてのフィールドで、そのフィールドの要素を含むf「：」で区切られた文字列col[f]が大きくなります。すべての行を完了したら、それらの文字列をそれぞれ別の行に出力します。次に、出力をにパイプすることで、必要なセパレーター（たとえばスペース）を「：」に置き換えることができますtr ':' ' '。

例：

$ echo "1 2 3\n4 5 6"
1 2 3
4 5 6

$ echo "1 2 3\n4 5 6" | awk '{for (f=1;f<=NF;f++) col[f] = col[f]":"$f} END {for (f=1;f<=NF;f++) print col[f]}' | tr ':' ' '
 1 4
 2 5
 3 6

GNU datamashは、この問題に完全に適しています。コードは1行だけで、ファイルサイズが勝手に大きくなる可能性があります。

datamash -W transpose infile > outfile

ハックなperlソリューションは次のようになります。メモリ内のすべてのファイルをロードせず、中間の一時ファイルを印刷してから、素晴らしいペーストを使用するので、すばらしいです

#!/usr/bin/perl
use warnings;
use strict;

my $counter;
open INPUT, "<$ARGV[0]" or die ("Unable to open input file!");
while (my $line = <INPUT>) {
    chomp $line;
    my @array = split ("\t",$line);
    open OUTPUT, ">temp$." or die ("unable to open output file!");
    print OUTPUT join ("\n",@array);
    close OUTPUT;
    $counter=$.;
}
close INPUT;

# paste files together
my $execute = "paste ";
foreach (1..$counter) {
    $execute.="temp$counter ";
}
$execute.="> $ARGV[1]";
system $execute;

私があなた自身の例に見ることができる唯一の改善は、実行されるプロセスの数とそれらの間でパイプされるデータの量を減らすawkを使うことです：

/bin/rm output 2> /dev/null

cols=`head -n 1 input | wc -w` 
for (( i=1; i <= $cols; i++))
do
  awk '{printf ("%s%s", tab, $'$i'); tab="\t"} END {print ""}' input
done >> output

私は通常awk、この要件にこの小さなスニペットを使用します。

  awk '{for (i=1; i<=NF; i++) a[i,NR]=$i
        max=(max<NF?NF:max)}
        END {for (i=1; i<=max; i++)
              {for (j=1; j<=NR; j++) 
                  printf "%s%s", a[i,j], (j==NR?RS:FS)
              }
        }' file

これは、すべてのデータを2次元配列にロードし、a[line,column]それをとして出力してa[column,line]、指定された入力を転置するだけです。

これはmax、最初のファイルが持つ列の最大数を追跡する必要があるため、出力する行数として使用されます。

私はfgmの解決策を使用しましたが（fgmに感謝します！）、各行の末尾にあるタブ文字を削除する必要があるため、スクリプトを次のように変更しました。

#!/bin/bash 
declare -a array=( )                      # we build a 1-D-array

read -a line < "$1"                       # read the headline

COLS=${#line[@]}                          # save number of columns

index=0
while read -a line; do
    for (( COUNTER=0; COUNTER<${#line[@]}; COUNTER++ )); do
        array[$index]=${line[$COUNTER]}
        ((index++))
    done
done < "$1"

for (( ROW = 0; ROW < COLS; ROW++ )); do
  for (( COUNTER = ROW; COUNTER < ${#array[@]}; COUNTER += COLS )); do
    printf "%s" ${array[$COUNTER]}
    if [ $COUNTER -lt $(( ${#array[@]} - $COLS )) ]
    then
        printf "\t"
    fi
  done
  printf "\n" 
done

私は同様のbashトランポーズを探していましたが、パディングをサポートしています。以下は、fgmのソリューションに基づいて私が作成したスクリプトで、動作するようです。それが助けになれば...

#!/bin/bash 
declare -a array=( )                      # we build a 1-D-array
declare -a ncols=( )                      # we build a 1-D-array containing number of elements of each row

SEPARATOR="\t";
PADDING="";
MAXROWS=0;
index=0
indexCol=0
while read -a line; do
    ncols[$indexCol]=${#line[@]};
((indexCol++))
if [ ${#line[@]} -gt ${MAXROWS} ]
    then
         MAXROWS=${#line[@]}
    fi    
    for (( COUNTER=0; COUNTER<${#line[@]}; COUNTER++ )); do
        array[$index]=${line[$COUNTER]}
        ((index++))

    done
done < "$1"

for (( ROW = 0; ROW < MAXROWS; ROW++ )); do
  COUNTER=$ROW;
  for (( indexCol=0; indexCol < ${#ncols[@]}; indexCol++ )); do
if [ $ROW -ge ${ncols[indexCol]} ]
    then
      printf $PADDING
    else
  printf "%s" ${array[$COUNTER]}
fi
if [ $((indexCol+1)) -lt ${#ncols[@]} ]
then
  printf $SEPARATOR
    fi
    COUNTER=$(( COUNTER + ncols[indexCol] ))
  done
  printf "\n" 
done

私はあらゆる種類の行列（nxnまたはmxn）をあらゆる種類のデータ（数値またはデータ）で転置するための解決策を探していて、次の解決策を得ました：

Row2Trans=number1
Col2Trans=number2

for ((i=1; $i <= Line2Trans; i++));do
    for ((j=1; $j <=Col2Trans ; j++));do
        awk -v var1="$i" -v var2="$j" 'BEGIN { FS = "," }  ; NR==var1 {print $((var2)) }' $ARCHIVO >> Column_$i
    done
done

paste -d',' `ls -mv Column_* | sed 's/,//g'` >> $ARCHIVO

ファイルから1つの（カンマ区切り）行$ Nのみを取得し、それを列に変換する場合：

head -$N file | tail -1 | tr ',' '\n'

あまりエレガントではありませんが、この「単一行」コマンドは問題をすばやく解決します。

cols=4; for((i=1;i<=$cols;i++)); do \
            awk '{print $'$i'}' input | tr '\n' ' '; echo; \
        done

ここで、colsは列の数で、4をに置き換えることができますhead -n 1 input | wc -w。

awkあなたが持っているメモリのサイズで別のソリューションと限られた入力。

awk '{ for (i=1; i<=NF; i++) RtoC[i]= (RtoC[i]? RtoC[i] FS $i: $i) }
    END{ for (i in RtoC) print RtoC[i] }' infile

これにより、同じフィールド番号の各位置が結合されEND、最初の列の最初の行、2番目の列の2番目の行などの結果が出力されます。出力は次のようになります。

X row1 row2 row3 row4
column1 0 3 6 9
column2 1 4 7 10
column3 2 5 8 11

一部の* nix標準ユーティリティワンライナー、一時ファイルは必要ありません。注意：OPは効率的な修正（つまりより高速）を望んでおり、通常、上位の回答はこの回答よりも高速です。 これらのワンライナーは、何らかの理由で* nix ソフトウェアツールが好きな人向けです。まれに、（例えば希少IO＆メモリ）は、これらのスニペットは、実際に速く、トップの回答の一部よりもすることができます。

入力ファイルfooを呼び出します。

1. fooに4つの列があることがわかっている場合：

   for f in 1 2 3 4 ; do cut -d ' ' -f $f foo | xargs echo ; done

2. fooの列数がわからない場合：

   n=$(head -n 1 foo | wc -w)
   for f in $(seq 1 $n) ; do cut -d ' ' -f $f foo | xargs echo ; done

   xargsにはサイズの制限があるため、長いファイルでは作業が不完全になります。どのサイズ制限がシステムに依存するか、例えば：

   { timeout '.01' xargs --show-limits ; } 2>&1 | grep Max

   実際に使用できるコマンドの最大長：2088944

3. tr＆echo：

   for f in 1 2 3 4; do cut -d ' ' -f $f foo | tr '\n\ ' ' ; echo; done

   ...または列の数が不明な場合：

   n=$(head -n 1 foo | wc -w)
   for f in $(seq 1 $n); do 
       cut -d ' ' -f $f foo | tr '\n' ' ' ; echo
   done

4. setと同様xargsにを使用すると、コマンドラインサイズに基づいた同様の制限があります。

   for f in 1 2 3 4 ; do set - $(cut -d ' ' -f $f foo) ; echo $@ ; done

#!/bin/bash

aline="$(head -n 1 file.txt)"
set -- $aline
colNum=$#

#set -x
while read line; do
  set -- $line
  for i in $(seq $colNum); do
    eval col$i="\"\$col$i \$$i\""
  done
done < file.txt

for i in $(seq $colNum); do
  eval echo \${col$i}
done

別のバージョン set eval

別のbashバリアント

$ cat file 
XXXX    col1    col2    col3
row1    0       1       2
row2    3       4       5
row3    6       7       8
row4    9       10      11

脚本

#!/bin/bash

I=0
while read line; do
    i=0
    for item in $line; { printf -v A$I[$i] $item; ((i++)); }
    ((I++))
done < file
indexes=$(seq 0 $i)

for i in $indexes; {
    J=0
    while ((J<I)); do
        arr="A$J[$i]"
        printf "${!arr}\t"
        ((J++))
    done
    echo
}

出力

$ ./test 
XXXX    row1    row2    row3    row4    
col1    0       3       6       9   
col2    1       4       7       10  
col3    2       5       8       11

これがHaskellのソリューションです。-O2を指定してコンパイルすると、ゴーストドッグのawkよりもわずかに高速で実行され、「Hello world」入力行が繰り返されると、私のマシンでStephanの薄くラップされたc python よりもわずかに遅くなります。残念ながら、コマンドラインコードを渡すためのGHCのサポートは、私の知る限り存在しないため、自分でファイルに書き込む必要があります。行を最短の行の長さに切り詰めます。

transpose :: [[a]] -> [[a]]
transpose = foldr (zipWith (:)) (repeat [])

main :: IO ()
main = interact $ unlines . map unwords . transpose . map words . lines

配列全体をメモリに格納するawkソリューション

    awk '$0!~/^$/{    i++;
                  split($0,arr,FS);
                  for (j in arr) {
                      out[i,j]=arr[j];
                      if (maxr<j){ maxr=j}     # max number of output rows.
                  }
            }
    END {
        maxc=i                 # max number of output columns.
        for     (j=1; j<=maxr; j++) {
            for (i=1; i<=maxc; i++) {
                printf( "%s:", out[i,j])
            }
            printf( "%s\n","" )
        }
    }' infile

ただし、出力行が必要な回数だけファイルを「ウォーク」できます。

#!/bin/bash
maxf="$(awk '{if (mf<NF); mf=NF}; END{print mf}' infile)"
rowcount=maxf
for (( i=1; i<=rowcount; i++ )); do
    awk -v i="$i" -F " " '{printf("%s\t ", $i)}' infile
    echo
done

これ（出力行数が少ない場合は、前のコードよりも高速です）。

以下は、各行を列に変換し、pasteそれらを一緒に結合することに基づくBashワンライナーです。

echo '' > tmp1;  \
cat m.txt | while read l ; \
            do    paste tmp1 <(echo $l | tr -s ' ' \\n) > tmp2; \
                  cp tmp2 tmp1; \
            done; \
cat tmp1

m.txt：

0 1 2
4 5 6
7 8 9
10 11 12

1. tmp1空にならないようにファイルを作成します。

2. 各行を読み取り、それを使用して列に変換します tr

3. 新しい列をtmp1ファイルに貼り付けます

4. 結果はに戻りtmp1ます。

PS：私は本当にio-descriptorsを使いたかったのですが、動作させることができませんでした。

Rを使用したワンライナー...

  cat file | Rscript -e "d <- read.table(file('stdin'), sep=' ', row.names=1, header=T); write.table(t(d), file=stdout(), quote=F, col.names=NA) "

以下の2つのスクリプトを使用して、以前に同様の操作を行いました。1つ目はawkで、2つ目は「純粋な」bashでより高速です。あなたはそれをあなた自身のアプリケーションに適応させることができるかもしれません。

awk '
{
    for (i = 1; i <= NF; i++) {
        s[i] = s[i]?s[i] FS $i:$i
    }
}
END {
    for (i in s) {
        print s[i]
    }
}' file.txt

declare -a arr

while IFS= read -r line
do
    i=0
    for word in $line
    do
        [[ ${arr[$i]} ]] && arr[$i]="${arr[$i]} $word" || arr[$i]=$word
        ((i++))
    done
done < file.txt

for ((i=0; i < ${#arr[@]}; i++))
do
    echo ${arr[i]}
done