怎么提取重复信息

LT2016

大家好，请教大家一个问题，我有一个文件像下面这样：
1,2列有重复，

S1    A1     1
S1    A1     2
S2    A1     1
S2    A1     3
S1    A2     2
S1    A2     1
S3    A2     1
S2    A2     1

我想统计第2列对应的第1列元素个数和唯一元素个数，以及各自出现的次数，将对应的第3列信息也输出，得到下面的结果，请教怎么实现呢？谢谢大家了

A1   4    2    S1:1,2;S2:1,3
A2   4    3    S1:2,1;S3:1;S2:1

q1208c

hash ?

jason680

回复 1# LT2016

$ perl  get_item.pl FILE
A1 2 S2;S1 S2:1,3;S1:1,2
A2 3 S1;S2;S3 S1:2,1;S2:1;S3:1

$ cat get_item.pl
use strict;
use warnings;

my %hData;
my %hCnt;

while(<>){
  chomp;
  my($sS, $sA, $sN) = split;
  if(! exists $hData{$sA}{$sS}){
    $hData{$sA}{$sS} = $sN;
    ++$hCnt{$sA};
  }
  else{
    $hData{$sA}{$sS} .= ",$sN";
  }
}
foreach my $sKey(keys %hData){
  my $sCnt = 0;
  my $sStr = "";
  my $sSxx = "";
  foreach(keys %{$hData{$sKey}}){
    ++$sCnt;
    $sStr .= ";$_:$hData{$sKey}{$_}";
    $sSxx .= ";$_"
  }
  $sSxx =~ s/;//;
  $sStr =~ s/;//;
  print join(" ", $sKey, $sCnt, $sSxx, $sStr), "\n";
}

$ cat FILE
S1    A1     1
S1    A1     2
S2    A1     1
S2    A1     3
S1    A2     2
S1    A2     1
S3    A2     1
S2    A2     1

rubyish

回复 1# LT2016
shishi ~~

1. #!/usr/bin/perl
   
2. # version 26, subversion 0 (v5.26.0)
   
3. use 5.024;
   
4. 
   
5. my %dit;
   
6. while (<DATA>) {
   
7.     my ( $S, $A, $N ) = split;
   
8.     push @{ $dit{$A}{$S} }, $N;
   
9. }
   
10. while ( my ( $C1, $V ) = each %dit ) {
    
11.     my ( $C2, $C3, $C4, $C5 );
    
12.     for my $K ( sort keys %$V ) {
    
13.         my $N = $V->{$K};
    
14.         $C2 += @$N;
    
15.         $C3++;
    
16.         $C4 .= ( $C4 ? ';' : '' ) . "$K(" . @$N . ')';
    
17.         $C5 .= ( $C5 ? ';' : '' ) . "$K:" . join( ',', @$N );
    
18.     }
    
19.     say join "\t", $C1, $C2, $C3, $C4, $C5;
    
20. }
    
21. 
    
22. __DATA__
    
23. S1    A1     1
    
24. S1    A1     2
    
25. S2    A1     1
    
26. S2    A1     3
    
27. S1    A2     2
    
28. S1    A2     1
    
29. S3    A2     1
    
30. S2    A2     1
    

复制代码