第一列相同的情况下，统计第三列关键词出现次数

mswsg

文件格式如下

1. Contig1        10805        cell culture
   
2. Contig1        5366        spike
   
3. Contig100        38446        root
   
4. Contig100        38446        root
   
5. Contig1001        13750        root
   
6. Contig1001        13750        root
   
7. Contig1002        10216        callus

复制代码

第一列比较，如果相同则统计第三列出现的次数
结果

1. Contig1        cell culture        1        spike        1
   
2. Contig100        root        2               
   
3. Contig1001        root        2               
   
4. Contig1002        callus        1               

复制代码

如果不好转换
这个结果也行

1. Contig1        cell culture        spike
   
2. Contig100        root       
   
3. Contig1001        root       
   
4. Contig1002        callus       

复制代码

mswsg

1. Contig1        5366        spike
   
2. Contig1        10805        cell culture
   
3. Contig100        38446        root
   
4. Contig100        38446        root
   
5. Contig1001        13750        root
   
6. Contig1001        13750        root
   
7. Contig1002        10216        callus
   
8. Contig1002        10216        callus
   
9. Contig1002        10216        callus
   
10. Contig1003        38446        root
    
11. Contig1003        8172        seed
    
12. Contig1004        927        seed
    
13. Contig1004        927        seed
    
14. Contig1004        434        root
    
15. Contig1004        434        root
    
16. Contig1008        927        seed
    
17. Contig1008        927        seed

复制代码

mswsg

得到的结果是

1. Contig1 10805 cell  :1
   
2. Contig1 5366 spike  :1
   
3. Contig100 38446 root  :2
   

复制代码

也许是分隔符有问题，文件是 \t回复 2# zooyo


   

heyong45

cat filename |sort -t1 |awk '{print $1,$3}'|uniq -c|awk '{print $2,$3,":"$1}'

可恶的

1. awk '{a[$1,$3]++;b[$0]=$0}END{for(c in b){split(c,d);print d[1],d[3],(a[d[1],d[3]])}}' filename

复制代码

Herowinter

回复 1# mswsg

1. awk '{s=$3;for(i=4;i<=NF;i++)s=s" "$i;a[$1,s]++} END{for(i in a){split(i,b,SUBSEP);c[b[1]]=length(c[b[1]])?c[b[1]]" "b[2]" "a[i]:b[2]" "a[i]};for(i in c)print i,c[i]}' i
   
2. Contig1 cell culture 1 spike 1
   
3. Contig1001 root 2
   
4. Contig1002 callus 1
   
5. Contig100 root 2

复制代码

聆雨淋夜

awk '{a[$1]=a[$1]?a[$1]" "$33}END{for(i in a)print i,a[i]}' file
现学现用，哈哈