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
- Solution to the problem of offline connection between ADB and mobile phone
- 我用 Python 找出了删除我微信的所有人并将他们自动化删除了
- [开源] .Net 使用 ORM 访问 华为GaussDB数据库
- How does Alibaba cloud's maxcompute add (original ODPs) work?
- Application of four ergodic square of binary tree
- 三、函数的参数
- VIM configuration tutorial + source code
- 刚刚好,才是最理想的状态
- Flink从入门到真香(3、从集合和文件中读取数据)
- How to solve the difference between NAT IP and port IP
猜你喜欢
How to solve the conflict when JD landed on Devops platform?
On the software of express delivery cabinet and deposit cabinet under Windows
Android Basics - check box
uni-app实战仿微信app开发
On the concurrency of update operation
软件开发中如何与人协作? | 每日趣闻
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
nat转换的ip跟端口ip不相同的解决方法
This year's salary is 35W +! Why is the salary of Internet companies getting higher and higher?
Introduction to mongodb foundation of distributed document storage database
随机推荐
RabbitMQ之Helloworld
【Python 1-6】Python教程之——数字
Arduino IDE搭建ESP8266开发环境,文件下载过慢解决方法 | ESP-01制作WiFi开关教程,改造宿舍灯
三、函数的参数
Millet and oppo continue to soar in the European market, and Xiaomi is even closer to apple
用 Python 写出来的进度条,竟如此美妙~
How to cooperate with people in software development? |Daily anecdotes
优化if-else代码的八种方案
阿里云视频云技术专家 LVS 演讲全文:《“云端一体”的智能媒体生产制作演进之路》
android基础-CheckBox(复选框)
关于update操作并发问题
适合c/c++新手学习的一些项目,别给我错过了!
Python基础语法
漫画:寻找股票买入卖出的最佳时机(整合版)
How does Alibaba cloud's maxcompute add (original ODPs) work?
Eight ways to optimize if else code
大龄程序员没有出路吗?
Solution of DEV-C + + unable to debug in Windows Environment
B站stm32视频学习
Golang system ping program to detect the surviving host (any permission)