Найдите конкретные столбцы и замените следующий столбец определенным значением на gawk - PullRequest
Новая
       21

Найдите конкретные столбцы и замените следующий столбец определенным значением на gawk

4 голосов
/ 14 марта 2012

Я пытаюсь найти все места, где мои данные имеют повторяющуюся строку, и удалить повторяющуюся строку.Кроме того, я ищу, где 2-й столбец имеет значение 90, и заменим следующий 2-й столбец определенным числом, которое я обозначу.

Мои данные выглядят так: 

 #      Type    Response        Acc     RT      Offset    
   1      70  0    0   0.0000 57850
   2      31  0    0   0.0000 59371
   3      41  0    0   0.0000 60909
   4      70  0    0   0.0000 61478
   5      31  0    0   0.0000 62999 
   6      41  0    0   0.0000 64537
   7      41  0    0   0.0000 64537
   8      70  0    0   0.0000 65106
   9      11  0    0   0.0000 66627
  10      21  0    0   0.0000 68165
  11      90  0    0   0.0000 68700
  12      31  0    0   0.0000 70221

Я хочумои данные будут выглядеть так: 

 #      Type    Response        Acc     RT      Offset
   1      70  0    0   0.0000 57850
   2      31  0    0   0.0000 59371
   3      41  0    0   0.0000 60909
   4      70  0    0   0.0000 61478
   5      31  0    0   0.0000 62999
   6      41  0    0   0.0000 64537
   8      70  0    0   0.0000 65106
   9      11  0    0   0.0000 66627
  10      21  0    0   0.0000 68165
  11      90  0    0   0.0000 68700
  12       5  0    0   0.0000 70221

Мой код: 

 BEGIN {
priorline = "";
ERROROFFSET = 50;
ERRORVALUE[10] = 1;
ERRORVALUE[11] = 2;
ERRORVALUE[12] = 3;
ERRORVALUE[30] = 4;
ERRORVALUE[31] = 5;
ERRORVALUE[32] = 6;

ORS = "\n";
}

NR == 1 {
print;
getline;
priorline = $0;
}

NF == 6 {

brandnewline = $0
mytype = $2
$0 = priorline
priorField2 = $2;   

if (mytype !~ priorField2) {
print;
priorline = brandnewline;
}

if (priorField2 == "90") {
    mytype = ERRORVALUE[mytype];
    }
}

END {print brandnewline}


##Here the parameters of the brandnewline is set to the current line and then the
##proirline is set to the line on which we just worked on and the brandnewline is
##set to be the next new line we are working on. (i.e line 1 = brandnewline, now
##we set priorline = brandnewline, thus priorline is line 1 and brandnewline takes
##on line 2) Next, the same parameters were set with column 2, mytype being the 
##current column 2 value and priorField2 being the same value as mytype moves to
##the next column 2 value.  Finally, we wrote an if statement where, if the value
##in column 2 of the current line !~ (does not equal) value of column two of the
##previous line, then the current line will be print otherwise it will just be
##skipped over.  The second if statement recognizes the lines in which the value
##90 appeared and replaces the value in column 2 with a previously defined
##ERRORVALUE set for each specific type (type 10=1, 11=2,12=3, 30=4, 31=5, 32=6).

Мне удалось успешно удалить повторяющиеся строки, однако я не могу выполнить следующую часть моегокод, который должен заменить значения, которые я обозначил в BEGIN как ОШИБКИ (10 = 1, 11 = 2, 12 = 3, 30 = 4, 31 = 5, 32 = 6) фактическими столбцами, которые содержат это значение.По сути, я хочу просто заменить это значение в строке на мою ОШИБКУ.

Если кто-то может помочь мне с этим, я был бы очень признателен.

Ответы [ 5 ]

2 голосов
/ 14 марта 2012

Одна проблема состоит в том, что вы не можете просто сравнить одну строку с предыдущей, потому что номер ID будет другим. 

awk '
  BEGIN {
    ERRORVALUE[10] = 1
    # ... etc
  }

  # print the header
  NR == 1 {print; next}

  NR == 2 || $0 !~ prev_regex {
    prev_regex = sprintf("^\\s+\\w+\\s+%s\\s+%s\\s+%s\\s+%s\\s+%s",$2,$3,$4,$5,$6)
    if (was90) $2 = ERRORVALUE[$2]
    print
    was90 = ($2 == 90)
  }
'

Для строк, в которых изменен 2-й столбец, это разрушает форматирование строки:

 #      Type    Response        Acc     RT      Offset
   1      70  0    0   0.0000 57850
   2      31  0    0   0.0000 59371
   3      41  0    0   0.0000 60909
   4      70  0    0   0.0000 61478
   5      31  0    0   0.0000 62999
   6      41  0    0   0.0000 64537
   8      70  0    0   0.0000 65106
   9      11  0    0   0.0000 66627
  10      21  0    0   0.0000 68165
  11      90  0    0   0.0000 68700
12 5 0 0 0.0000 70221

Если это проблема, вы можете перенаправить вывод gawk в column -t, или если вы знаете, что формат строки фиксирован, используйте printf () в программе awk.

1 голос
/ 15 марта 2012

Это может работать для вас: 

awk 'BEGIN {
        ERROROFFSET = 50;
        ERRORVALUE[10] = 1;
        ERRORVALUE[11] = 2;
        ERRORVALUE[12] = 3;
        ERRORVALUE[30] = 4;
        ERRORVALUE[31] = 5;
        ERRORVALUE[32] = 6;
     }
     NR == 1 { print ; next }
     { if (a[$2 $6]) { next } else { a[$2 $6]++ }
       if ( $2 == 90) { print ; n++ ; next } 
       if (n>0) { $2 = ERRORVALUE[$2] ; n=0 }
       printf("% 4i% 8i%  3i% 5i% 9.4f% 6i\n", $1, $2, $3, $4, $5, $6)
     }' INPUTFILE

Смотрите это в действии здесь на ideone.com .

IMO блок BEGIN очевиден. Затем происходит следующее:

  1. строка NR == 1 печатает самую первую строку (и переключается на следующую строку, также это правило применяется только к самой первой строке)
  2. Затем проверяем, видели ли мы уже строку any с теми же 2-м и 6-м столбцами и, если это так, переключаемся на следующую строку, в противном случае помечаем ее как видимую в массиве (используя объединенные значения столбцов в качестве неопределенности, но обратите внимание , что это может не сработать, если у вас есть большие значения во 2-м и маленькие в 6-м (например, 2 0020 объединено 20020, и то же самое для 20 020), поэтому вы можете добавить разделитель столбцов в индексе, такой как a[$2 "-" $6] ... и вы можете использовать больше столбцов, чтобы проверить еще более правильно)
  3. Если строка содержит 90, во втором столбце печатается ее, флажки поменяются местами на следующей строке, а затем переключатся на следующую строку (во входном файле)
  4. В следующей строке проверяет 2-й столбец в ERRORVALUE и, если он находит, заменяет его содержимое.
  5. Затем печатает форматированную строку.
1 голос
/ 15 марта 2012

Это может работать для вас: 

v=99999
sed ':a;$!N;s/^\(\s*\S*\s*\)\(.*\)\s*\n.*\2/\1\2/;ta;s/^\(\s*\S*\s*\)   90 /\1'"$(printf "%5d" $v)"' /;P;D' file
 #      Type    Response        Acc     RT      Offset    
   1      70  0    0   0.0000 57850
   2      31  0    0   0.0000 59371
   3      41  0    0   0.0000 60909
   4      70  0    0   0.0000 61478
   5      31  0    0   0.0000 62999 
   6      41  0    0   0.0000 64537
   8      70  0    0   0.0000 65106
   9      11  0    0   0.0000 66627
  10      21  0    0   0.0000 68165
  11   99999  0    0   0.0000 68700
  12      31  0    0   0.0000 70221
0 голосов
/ 23 марта 2012

Предыдущие опции работают по большей части, однако вот как я это сделал, простой и приятный.После просмотра других постов я считаю, что это будет наиболее эффективным.Кроме того, это также позволяет дополнительному запросу, добавленному в комментариях к OP, заменить строку после 90 на переменную из 2 строк ранее.Это делает все за один проход. 

BEGIN {
    PC2=PC6=1337
    replacement=5
}
{
    if( $6 == PC6 ) next
    if( PC2 == 90 ) $2 = replacement
    replacement = PC2
    PC2 = $2 
    PC6 = $6
    printf "%4s%8s%3s%5s%9s%6s\n",$1, $2, $3, $4, $5, $6
}

Пример ввода 

   1      70  0    0   0.0000 57850
   2      31  0    0   0.0000 59371
   3      41  0    0   0.0000 60909
   4      70  0    0   0.0000 61478
   5      31  0    0   0.0000 62999 
   6      41  0    0   0.0000 64537
   7      41  0    0   0.0000 64537
   8      70  0    0   0.0000 65106
   9      11  0    0   0.0000 66627
  10      21  0    0   0.0000 68165
  11      90  0    0   0.0000 68700
  12      31  0    0   0.0000 70221

Пример вывода 

   1      70  0    0 0.000000 57850
   2      31  0    0 0.000000 59371
   3      41  0    0 0.000000 60909
   4      70  0    0 0.000000 61478
   5      31  0    0 0.000000 62999
   6      41  0    0 0.000000 64537
   8      70  0    0 0.000000 65106
   9      11  0    0 0.000000 66627
  10      21  0    0 0.000000 68165
  11      90  0    0 0.000000 68700
  12      21  0    0 0.000000 70221
0 голосов
/ 15 марта 2012

Я согласен с Гленном, что два прохода по файлу приятнее. Вы можете удалить дубликаты, возможно, непоследовательные строки, используя такой хеш-код:

awk '!a[$2,$3,$4,$5,$6]++' file.txt

Затем вы должны отредактировать ваши значения по желанию. Если вы хотите изменить значение 90 во втором столбце на 5000, попробуйте что-то вроде этого:

awk 'NR == 1 { print; next } { sub(/^90$/, "5000", $2); printf("%4i% 8i% 3i% 5i% 9.4f% 6i\n", $1, $2, $3, $4, $5, $6) }' file.txt

Вы можете видеть, что я украл оператор printf Zsolt (спасибо Zsolt!) За форматирование, но вы можете отредактировать его при необходимости. Вы также можете перенаправить вывод из первого оператора во второй для хорошей однострочной:

cat file.txt | awk '!a[$2,$3,$4,$5,$6]++' | awk 'NR == 1 { print; next } { sub(/^90$/, "5000", $2); printf("%4i% 8i% 3i% 5i% 9.4f% 6i\n", $1, $2, $3, $4, $5, $6) }'

...