我面临着一个比我更大的问题。我有18个相对较大的文本文件(每个大约30k行),我需要计算第二列中空白单元格之间的值。这是我的文件的一个简单示例:
Metabolism
line_1 10.2
line_2 10.1
line_3 10.3
TCA_cycle
line_4 10.7
line_5 10.8
Pyruvate_metab
line_6 100.8
实际上,我大约有500条描述行(代谢,TCA_cycle等),行的范围介于零到几百之间。我想为每个块计数值(块以描述开头,相应的行始终在下面),例如
Metabolism 30.6
line_1 10.2
line_2 10.1
line_3 10.3
TCA_cycle 21.5
line_4 10.7
line_5 10.8
Pyruvate_metab 100.8
line_6 100.8
要不就30.3
21.5
100.8
如果将结果逐行打印到其他文件中,则不会有问题...或者另一种替代方法。有一件棘手的事情,它是没有数字的描述。
Transport
line_1000 100.1
line_1001 100.2
Cell_signal
Motility
Processing
Translation
line_1002 500.1
line_1003 200.2
甚至对于那些行,并希望获得0值。Transport 200.3
line_1000 100.1
line_1001 100.2
Cell_signal 0
Motility 0
Processing 0
Translation 700.3
line_1002 500.1
line_1003 200.2
文件的其余部分看起来相同并且一致-2列,制表符分隔符,第一列中的描述,第二列中的值,没有空格(仅带下划线)。实际上,我没有使用更复杂的编码的经验,所以我真的不知道如何在命令行中解决它。我已经尝试了一些Excel方式,但是这很痛苦而且没有成功。
最佳答案
使用tac
和任何awk
:
tac file | awk 'NF==2{sum+=$2; print; next} {print $1 "\t" sum; sum=0}' | tac
通过kvantour和Ed Morton提出了两个改进。查看评论。
tac file | awk '($NF+0==$NF){sum+=$2; print; next} {print $1 "\t" sum+0; sum=0}' | tac
另请:8 Powerful Awk Built-in Variables – FS, OFS, RS, ORS, NR, NF, FILENAME, FNR