当前位置:网站首页>awk实现类sql的join操作
awk实现类sql的join操作
2020-11-08 16:12:00 【xindoo】
awk、grep和sed被称为linux三剑客,事实上grep和awk我在日常工作中也常用到(sed用的比较少),可能有些人对awk了解比较少,我先大概介绍下。 很多人以为awk只是一个文本处理工具,实际上他们也是这么用的。但事实上它其实是一门语言,拥有数学运算符、进程控制语句,甚至针对于文本处理封装了很多内置变量和函数,这造就了它强大的文本处理能力。 如果grep只能做到数据的筛选,那awk还能做到数据的处理、分析甚至生成报表,毕竟它是一门完整的编程语言。
因为这篇文章不是awk的入门教程,如果想入门的话我推荐阮一峰老师的awk 入门教程 和 左耳朵耗子的AWK 简明教程 。
回到我今天的正题,今天我给大家看个我常使用awk的场景。因为做后端开发,经常在做数据分析的时候会有这样的问题,1.面对几十万条的数据,需要筛选出几百几千个特定key的数据。2.对这几百万条数据,针对其中的id字段补齐其他字段。
这时候可能有精通excel的同学跳出来说 “就这,so easy,vlookup就搞定!” ,事实上,excel确实可以解决问题,但有点重,甚至有些时候我们在服务器上还用不了excel。还有啥其他方法?针对我说的这俩场景,其实仔细想一下,是不是sql中俩表join就能解决问题。实际上你并不需要真正把文件灌到数据库里,只需要用awk一条命令就能解决。
实例
我们把问题具像下,假设有两个文件,score.txt存着学号+成绩的数据,另外一个name.txt存着学号+姓名的数据,你现在想知道每个人都烤了多少分。
score.txt
id score
1 87
2 67
3 68
4 75
5 90
6 100
7 0
name.txt
id name
1 张三
2 李四
3 王五
4 赵二
5 刘能
6 熊大
你想得到一份包含学号 姓名和成绩的数据,就像下面这样。
id score name
1 87 张三
2 67 李四
3 68 王五
4 75 赵二
5 90 刘能
6 100 熊大
7 0
用awk生成这样的数据有多简单?只需要一行代码,你可以保存name.txt和score.txt,然后执行下面命令尝试下。
awk 'ARGV[1]==FILENAME {map[$1]=$2} ARGV[2]==FILENAME {print $0, map[$1]}' name.txt score.txt
简简单单就实现了name.txt和score.txt在id之上的right join。
解释下上面的代码,ARGV和FILENAME是awk内置的变量,ARGV里存放在awk所接受的参数列表,像上面 ARGV[1]就是"name.txt",ARGV[2]就是"score.txt"。awk是面向行的,所以针对每一行数据都会执行ARGV[1]==FILENAME {map[$1]=$2} ARGV[2]==FILENAME {print $0, map[$1]}
,每一行数据都会属于某个文件,FILENAME标识出当前行所属的文件名,像在括号{}
前的ARGV[1]==FILENAME
你可以看做是其他语法中的条件判断,你可以认为它就是省略了if,但和if的功能是一致的。
所以上述代码的含义就是 如果当前行是输入name.txt的,就把学号和姓名存在map里(awk里的变量不用预先声明)。 如果当前行是属于score.txt,就从map里把姓名找出来,然后把数据输出。
结语
awk 'ARGV[1]==FILENAME {map[$1]=$2} ARGV[2]==FILENAME {print $0, map[$1]}' name.txt score.txt
针对于不同的数据,只需要调整下$后面的具体值,可以实现用不同的列作为key来做join,其实这里并不比sql的join复杂,但在linux服务器上却很方便。上网中我只是实现了right join,如果在print $0, map[$1]
前加上if (length(map[$1]) > 0)
就可以实现inner join。left join的话也只需要把文件名换一下。
知道了这些,awk实现多文件的交集、差集等操作都不在话下。另外不要忘记了awk其实也是一门编程语言,所以它也可以实现很多很复杂的逻辑,你可以把代码在某个文件里然后用-f参数调起,比如我之前老师用awk做一些简单的统计工作,比如计算均值、总和…… awk简直堪称后端工程师提效利器。
版权声明
本文为[xindoo]所创,转载请带上原文链接,感谢
https://my.oschina.net/xindoo/blog/4707635
边栏推荐
- 2020-11-05
- This year's salary is 35W +! Why is the salary of Internet companies getting higher and higher?
- Improvement of rate limit for laravel8 update
- 进入互联网得知道的必备法律法规有哪些?
- 浅谈,盘点历史上有哪些著名的电脑病毒,80%的人都不知道!
- Examples of unconventional aggregation
- Elasticsearch 学习一(基础入门).
- Implementation of verification code recognition in Python opencv pytesseract
- Flink: from introduction to Zhenxiang (3. Reading data from collection and file)
- How to make a correct summary for 7 years?
猜你喜欢
How to cooperate with people in software development? |Daily anecdotes
CSP考试须知与各种小技巧
喝汽水,1瓶汽水1元,2个空瓶可以换一瓶汽水,给20元,可以多少汽水
It's just right. It's the ideal state
Xiaoqingtai officially set foot on the third day of no return
Is there no way out for older programmers?
2035 we will build such a country
.NET 大数据量并发解决方案
Builder pattern
我们做了一个医疗版MNIST数据集,发现常见AutoML算法没那么好用
随机推荐
Essential for back-end programmers: distributed transaction Basics
Welcome to offer, grade P7, face-to-face sharing, 10000 words long text to take you through the interview process
The birth of a new integrated memory and computing chip is conducive to the application of artificial intelligence~
laravel8更新之速率限制改进
优化if-else代码的八种方案
Drink soda, a bottle of soda water 1 yuan, two empty bottles can change a bottle of soda, give 20 yuan, how much soda can you
[开源] .Net 使用 ORM 访问 华为GaussDB数据库
How does Alibaba cloud's maxcompute add (original ODPs) work?
第五章编程题
Improvement of maintenance mode of laravel8 update
二叉树的四种遍历方应用
这几个C++的坑,一旦踩中了,加班是肯定避免不了了!
【Python 1-6】Python教程之——数字
C++的那些事儿:从电饭煲到火箭,C++无处不在
阿里云加速增长,进一步巩固领先优势
Build simple business monitoring Kanban based on Alibaba cloud log service
Interpretation of deepmind's latest paper: the causal reasoning algorithm in discrete probability tree is proposed for the first time
B站stm32视频学习
We made a medical version of the MNIST dataset, and found that the common automl algorithm is not so easy to use
后端程序员必备:分布式事务基础篇