一个文本处理的问题

wiliiwin

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

最近才学习perl，死活都想不到如何去做这个文本处理的问题，请指教

huang6894

二维哈希咯~

huang6894

1. my $h = {};
   
2. while(<DATA>){
   
3.         chomp;
   
4.         my ($k1, $k2) = (split)[0,2];
   
5.         $h{$k1}{$k2} ++;
   
6. }
   
7. 
   
8. foreach my $k1 (sort keys %h){
   
9.         my $h2 = $h{$k1};
   
10.         print $k1."\t";
    
11.         foreach my $k2 (sort keys %$h2){
    
12.                 print $k2.":".$h2->{$k2}.";";
    
13.         }
    
14.         print $/;
    
15. }
    
16. 
    
17. __DATA__
    
18. Contig1        10805        cell culture
    
19. Contig1        5366        spike
    
20. Contig100        38446        root
    
21. Contig100        38446        root
    
22. Contig1001        13750        root
    
23. Contig1001        13750        root
    
24. Contig1002        10216        callus

复制代码

murdercool

1. use v5.10;
   
2. use strict;
   
3. use warnings;
   
4. my %hash;
   
5. while(<DATA>){
   
6.         chomp;
   
7.         my @arr=split(/\s+/,$_,3);
   
8.         $hash{$arr[0]}->{$arr[2]}++;
   
9. }
   
10. 
    
11. for my $i(keys(%hash)){
    
12.         print $i;
    
13.         for my $j(keys(%{$hash{$i}})){
    
14.                 print "\t$j\t",$hash{$i}->{$j};
    
15.         }
    
16.         print "\n"
    
17. }
    
18. 
    
19. 
    
20. 
    
21. __DATA__
    
22. Contig1        10805        cell culture
    
23. Contig1        5366        spike
    
24. Contig100        38446        root
    
25. Contig100        38446        root
    
26. Contig1001        13750        root
    
27. Contig1001        13750        root
    
28. Contig1002        10216        callus

复制代码

清泉一边

很菜的写法~

1. #!/usr/bin/perl -w
   
2. use strict;
   
3. my %hash;
   
4. while (<DATA>){
   
5. chomp;
   
6. my ($name,$non,$inf) = split /\s\s+/,$_;
   
7. push @{$hash{$name}},$inf;
   
8. }
   
9. foreach my $k (sort keys %hash){
   
10. my %h;
    
11. print "$k";
    
12.   for my $s (@{$hash{$k}}){
    
13.   $h{$s}++;
    
14.   }
    
15.   foreach my $discribe (sort keys %h){
    
16.   print "\t$discribe\t$h{$discribe}";
    
17.   }
    
18. print "\n";
    
19. }
    
20. 
    
21. __DATA__
    
22. Contig1        10805        cell culture
    
23. Contig1        5366        spike
    
24. Contig100        38446        root
    
25. Contig100        38446        root
    
26. Contig1001        13750        root
    
27. Contig1001        13750        root
    
28. Contig1002        10216        callus

复制代码

回复 1# wiliiwin


   

wiliiwin

  perl学的还真不行 还需要继续学习  

flw

1. cat ufile | awk '{print $1, $3}' | sort | uniq -c | awk '{print $2, $3, $1}'

复制代码

zl624867243

我也正在学习perl，本来想考虑学习python的但是python的缩进我不太喜欢，所以还是觉得perl简单 楼主能不能加个qq共同学习进步下？

yestreenstars

1. #!/usr/bin/perl
   
2. use strict;
   
3. use warnings;
   
4. 
   
5. my %hash;
   
6. while(<DATA>){
   
7.         chomp;
   
8.         my @field = split /\s{2,}/;
   
9.         $hash{$field[0]}{$field[2]}++;
   
10. }
    
11. for my $k (sort keys %hash){
    
12.         print $k;
    
13.         print "\t$_\t$hash{$k}{$_}" for sort keys %{$hash{$k}};
    
14.         print $/;
    
15. }
    
16. 
    
17. __DATA__
    
18. Contig1        10805        cell culture
    
19. Contig1        5366        spike
    
20. Contig100        38446        root
    
21. Contig100        38446        root
    
22. Contig1001        13750        root
    
23. Contig1001        13750        root
    
24. Contig1002        10216        callus

复制代码