统计数字出现次数，可能有点难。

pigvip

有一个csv文件,data.csv内容如下：
1,4,5,9,10,25
2,3,4,9,10,25
3,5,7,8,21,25
....more

此文件有每行有6位数字使用逗号分割。
要找出全文出现最多的4个数字的次数
例如：
4,9,10,25 1

4,9,10,25为出现的4个数字，1为出现的次数。

[ 本帖最后由 pigvip 于 2009-7-26 10:31 编辑 ]

Minsic

没看懂什么意思？每一行出现得最多的4位数字？不是统计全文出现得最多的4个数字？

比如第一行1,4,5,9,10,25，总共6个数字，每个数字都出现了一次，出现最多的数字出现次数都是1，那怎么选择哪4个数字？

blackold

每行出现次数最多？

小木虫子

原帖由 pigvip 于 2009-7-26 09:58 发表
有一个csv文件,data.csv内容如下：
1,4,5,9,10,25
2,3,4,9,10,25
3,5,7,8,21,25
....more

此文件有每行有6位数字使用逗号分割。
要找出每行出现最多的4个数字的次数
例如：
4,9,10,25 1

4,9,10,25 ...

要找出每行出现最多的4个数字的次数

应该是全文。每行怎么可能，你一行就6个数字，怎么找？

blackold

确实难!

Minsic

如果是全文统计出现次数最多的4个数字，管道管道

tr ',' '\n'<xx|sort|uniq -c|sort -rn|head -4

[ 本帖最后由 Minsic 于 2009-7-26 13:12 编辑 ]

pigvip

是在全文里找每行都包含的4个数字的总数。例如可以都包含
1,2,3,4 30次
3,6,7,8 20次

[ 本帖最后由 pigvip 于 2009-7-26 10:32 编辑 ]

cxfcxf

是难得....
每行都有好几种组合....然后先算出每行的几种组合..然后每种组合对全文另外的每行的每种组合进行匹配......

progliker

有一种简单的方法，先对每个输入行排序，比如3,2,6,4,5,1排完后为1,2,3,4,5,6，然后再生成该行的任意四个数字的组合，共有C(4,6)，15中可能性，比如1,2,3,4  2,3,4,5  3,4,5,6  1,3,4,5  1,4,5,6 ...... ，将全部行生成的排列放到同一个文件，比如tmp中，然后执行tr ',' ' ' < tmp | sort -n -k1 -k2 | uniq -c | sort -n -r|head 4|tr ' ' ','
这样做效率有点低,但总体复杂度还是可以的，为O(nlgn)，主要为排序所花的时间。

Minsic

是不是这样子的结果？

1. awk '
   
2. BEGIN{
   
3.   FS=","
   
4. }
   
5. {
   
6.   for(i=1;i<=NF-3;i++)
   
7.     for(j=i+1;j<=NF-2;j++)
   
8.       for(m=j+1;m<=NF-1;m++)
   
9.         for(n=m+1;n<=NF;n++)
   
10.           a[$i","$j","$m","$n]++
    
11. }
    
12. END{
    
13.   for(i in a)
    
14.     print i,a[i]
    
15. }' data.csv|sort -k2rn|head -1
    

复制代码

修改下，少几次循环，改下输出的格式

[ 本帖最后由 Minsic 于 2009-7-26 20:13 编辑 ]