免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
12
最近访问板块 发新帖
楼主: xxhacker
打印 上一主题 下一主题

数亿行数据随机抽取的问题[已解决] [复制链接]

论坛徽章:
0
11 [报告]
发表于 2012-02-15 11:40 |只看该作者
自己参考sed/awk一书中的例子,写了一个
  1. awk 'BEGIN{srand();for (i=1;i<=10000;i++){do {select=1+int(rand()*100000000)}while(select in pick);pick[select]=select}}(NR in pick)' file
复制代码

论坛徽章:
0
12 [报告]
发表于 2012-02-15 12:44 |只看该作者
各位大哥的代码均用到了rand()*100000000,但rand()虽能随机取0~1的数值,但取值精度只到小数点后6位,且最小值均在0.1附近。rand()*100000000更可能在1kw~9.9kw之中随机取值,并且低3位无可避免地被0填充,小于1000的数值永远无法取到。这样就没法公正地取1~100000000的数值了吧,各位以为如何?

论坛徽章:
0
13 [报告]
发表于 2012-02-15 13:52 |只看该作者
回复 12# cooluncle
确实是这样的

   

论坛徽章:
145
技术图书徽章
日期:2013-10-01 15:32:13戌狗
日期:2013-10-25 13:31:35金牛座
日期:2013-11-04 16:22:07子鼠
日期:2013-11-18 18:48:57白羊座
日期:2013-11-29 10:09:11狮子座
日期:2013-12-12 09:57:42白羊座
日期:2013-12-24 16:24:46辰龙
日期:2014-01-08 15:26:12技术图书徽章
日期:2014-01-17 13:24:40巳蛇
日期:2014-02-18 14:32:59未羊
日期:2014-02-20 14:12:13白羊座
日期:2014-02-26 12:06:59
14 [报告]
发表于 2012-02-15 13:59 |只看该作者
回复 12# cooluncle

也许可以 再取一次...
..... + rand()*1000
   

论坛徽章:
0
15 [报告]
发表于 2012-02-15 17:05 |只看该作者
为这个问题憋了一下午,参考了高人的代码后写了这个脚本,大家来评判一下下面的脚本可否满足要求?
  1. #!/bin/bash
  2. #usage: $0 <path to file> <number>
  3. #eg: script.sh /etc/init.d/function 400

  4. count_of_line=$(cat $1|wc -l)
  5. count_of_line_bits=$(echo -n ${count_of_line}|wc -c)

  6. num=$2

  7. pool='1234567890'
  8. for((i=1;i<=${num};i++))
  9. do
  10.     s=$((${RANDOM}%${count_of_line_bits}+1))

  11.     str=""
  12.     while (( ${#str} < ${s} ))  
  13.     do
  14.     index=$((${RANDOM}%10))
  15.     letter=${pool:${index}:1}
  16.     str="${str}${letter}"
  17.     if [ ${str} -gt ${count_of_line} ] || [ ${str} -eq 0 ];then
  18.          str=""
  19.     fi  
  20.     done
  21.     echo ${str} >> /tmp/line_to_read.$
  22. done

  23. awk 'NR==FNR{a[$0]=$0} NR>FNR{if(FNR in a){print}}' /tmp/line_to_read.$ $1
  24. rm -f /tmp/line_to_read.$
复制代码
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP