gawk行为我不明白

Question

我想使用gawk 4.1.4来计算文件的字段12中不同值的数量，并且还要计算每个值出现的次数。我有两个简短的程序，它们给了我第一个问题的不同答案，并且我无法解释为什么。

{if(a[$12]++==1){count++}} END {print count} 

...给人435176的结果，而

{a[$12]++} END {for (i in a){count++};print count} 

...给人599845的结果。

你能解释这种行为，并告诉我哪个值是正确的吗？我在Windows（ezwinport）下运行，字段分隔符是选项卡。

Answer 1

第一个是错误的每个独特价值的独特发生次数（逻辑，语法上不，谢谢你强调的事实，@GeorgeVasiliou），因为你需要++前==：++a[$1]==1：

$ awk '{if(++a[$1]==1){count++}} END {print count}' foo 
3 

噢，我的测试foo：

$ cat foo 
1 
1 
1 
2 
2 
3 

Answer 2

显然第2一看起来不错！ 已经存储了count，你并不需要一个单独的变量

您使用的是count来标识唯一的发生是错误的无论是在意义上的情况下，它是每并不跟踪的方式独特的实例。

使用数组本身的值。

在推导count

{if(a[$12]++==1){count++}} END {print count} 

的逻辑是错，但它的作用其实是递增运算符仅当$12现场发生因为它是在跟踪的第二次变量count。因此，您在输出中看到的较小的计数。

在另一方面，

{a[$12]++} END {for (i in a){count++};print count} 

几乎是正确的，但你并不需要一个count变量，你已经拥有它存储阵列a的价值的一部分，由独特的价值索引$12。做好上面的也一样

{a[$12}++; next} END {for (i in a) print a[i]} 

一个小例子来说明它，

cat file 
1 2 3 
1 2 3 
1 2 1 
1 1 1 
2 3 1 
3 4 1 

假设我所担心的唯一实例及其发生在$2计数。做你的第一个例子，

awk '{if(a[$2]++==1){count++}}END {for (i in a) print i,a[i],count}' file 
1 1 1 
2 3 1 
3 1 1 
4 1 1 

看到的count错误值在最后一栏打印，如果你能仔细看到它，变量甚至没有保持跟踪每个实例计数而是对所有公共变量实例。

第二种方法，看似看起来不错，但打印count为4针对例如不明确，假设多个实例，并可能会出现他们的计数。正确的方法是做，

awk '{a[$2]++; next}END {for (i in a) print i,a[i]}' file 
1 1 
2 3 
3 1 
4 1 

这里，而不是count，该a[i]拥有的第2列