bashの列の一意の値の数を取得する

複数の列を持つタブ区切りファイルがあります。フォルダー内のすべてのファイルについて、列内のさまざまな値の出現頻度をカウントし、カウントの降順（最大のカウントが最初）に並べ替えたい。Linuxコマンドライン環境でこれをどのように達成しますか？

awk、perl、pythonなどの一般的なコマンドライン言語を使用できます。

列2の頻度カウントを表示するには（例）：

awk -F '\t' '{print $2}' * | sort | uniq -c | sort -nr

fileA.txt

z    z    a
a    b    c
w    d    e

fileB.txt

t    r    e
z    d    a
a    g    c

fileC.txt

z    r    a
v    d    c
a    m    c

結果：

  3 d
  2 r
  1 z
  1 m
  1 g
  1 b

シェルでこれを行う方法は次のとおりです。

FIELD=2
cut -f $FIELD * | sort| uniq -c |sort -nr

これはbashが得意なことです。

GNUサイト単語とその周波数の両方を印刷し、この素敵なawkスクリプトを、示唆しています。

可能な変更：

• あなたはパイプすることができますsort -nr（そしてリバースwordとfreq[word]）を実行して、降順で結果を確認ます。
• 特定の列が必要な場合は、forループを省略して単純に書き込むことができます-3をfreq[3]++列番号に置き換えます。

ここに行く：

 # wordfreq.awk --- print list of word frequencies

 {
     $0 = tolower($0)    # remove case distinctions
     # remove punctuation
     gsub(/[^[:alnum:]_[:blank:]]/, "", $0)
     for (i = 1; i <= NF; i++)
         freq[$i]++
 }

 END {
     for (word in freq)
         printf "%s\t%d\n", word, freq[word]
 }

Perl

このコードは、すべての列の出現を計算し、列ごとにソートされたレポートを出力します。

# columnvalues.pl
while (<>) {
    @Fields = split /\s+/;
    for $i ( 0 .. $#Fields ) {
        $result[$i]{$Fields[$i]}++
    };
}
for $j ( 0 .. $#result ) {
    print "column $j:\n";
    @values = keys %{$result[$j]};
    @sorted = sort { $result[$j]{$b} <=> $result[$j]{$a}  ||  $a cmp $b } @values;
    for $k ( @sorted ) {
        print " $k $result[$j]{$k}\n"
    }
}

テキストをcolumnvalues.plとして保存します
。 perl columnvalues.pl files*

説明

最上位のwhileループでは：
*結合された入力ファイルの各行をループします
*行を@Fields配列に分割します
すべての列について、結果のハッシュの配列データ構造をインクリメントします

トップレベルのforループでは、次のようになります。
*結果の配列をループし
ます
* 列番号を出力します
* その列で使用されている値を取得します*出現回数で値を並べ替えます*値に
基づいて二次並べ替えを行います（たとえば、b vs g vs m vs z）
*ソートされたリストを使用して、結果のハッシュを反復処理します
*各発生の値と数を出力します

@Dennisが提供するサンプル入力ファイルに基づく結果

column 0:
 a 3
 z 3
 t 1
 v 1
 w 1
column 1:
 d 3
 r 2
 b 1
 g 1
 m 1
 z 1
column 2:
 c 4
 a 3
 e 2

.csv入力

入力ファイルが.csvの場合は、次のように変更/\s+/します/,/

難読化

醜いコンテストでは、Perlは特に十分に装備されています。
このワンライナーは同じことをします：

perl -lane 'for $i (0..$#F){$g[$i]{$F[$i]}++};END{for $j (0..$#g){print "$j:";for $k (sort{$g[$j]{$b}<=>$g[$j]{$a}||$a cmp $b} keys %{$g[$j]}){print " $k $g[$j]{$k}"}}}' files*

ルビー（1.9+）

#!/usr/bin/env ruby
Dir["*"].each do |file|
    h=Hash.new(0)
    open(file).each do |row|
        row.chomp.split("\t").each do |w|
            h[ w ] += 1
        end
    end
    h.sort{|a,b| b[1]<=>a[1] }.each{|x,y| print "#{x}:#{y}\n" }
end