コンティンジェンシーテーブルを作成する

Question

私はさまざまなリスト要素を持つ何百ものテキストファイルを持っています（千単位）。簡略化された3つの代表的なファイルが以下に示されています（ここでは行の要素は色です）

group1.txt

red 
blue 
red 
green 
pink 
red 

group2.txt

yellow 
brown 
cyan 
yellow 
brown 
red 
violet 
orange 

group3.txt

orange 
violet 
pink 
cyan 
grey 

は、私は以下のスクリプトでソートカウントテーブルを作成することができます -

awk -F '\t' '{print $1}' * | sort | uniq -c | sort -nr 

>

4 red 
    2 yellow 
    2 violet 
    2 pink 
    2 orange 
    2 cyan 
    2 brown 
    1 grey 
    1 green 
    1 blue 

私は次のように分割表を作成したい -

Colour group1 group2 group3 
red  3 1 0 
green 1 0 0 
blue 0 0 0 
yellow 0 2 0 
orange 0 1 1 
grey 0 0 1 
violet 0 1 1 
pink 1 0 1 
brown 0 2 
cyan 0 1 1 

にはどうすればいいのawk、パイソン、PerlやRを使用して、この分割表を作成することができますか？

Answer 1

これは、ファイル（これはちょうど私たちはで動作するように例を持っている - 分割表を構築するため、実際の機械の一部ではない）を設定R.

でのソリューションです：

writeLines(c("red","blue","red","green","pink","red"), 
      con="group1.txt") 
writeLines(c("yellow","brown","cyan","yellow","brown","red", 
      "violet","orange"), 
      con="group2.txt") 
writeLines(c("orange","violet","pink","cyan","grey"), 
      con="group3.txt") 

を作品のほとんどはに読み、データを配置している

：...我々は、ファイルがNNが数値であるgroupNN.txtと呼ばれていることを知っているとしましょう

flist <- list.files(pattern="group[0-9]+.txt") 
grpnames <- gsub("\\.txt$","",flist) 

の読むカラーファイル：グループIDの

col_list <- lapply(flist,scan,what="character") 

マッチングベクトル：

今だけ tableを使用

grpvec <- rep(grpnames,sapply(col_list,length)) 

：

table(unlist(col_list),grpvec) 
##  grp 
## col  group1 group2 group3 
## blue  1  0  0 
## brown  0  2  0 
## cyan  0  1  1 
## green  1  0  0 
## grey  0  0  1 
## orange  0  1  1 
## pink  1  0  1 
## red   3  1  0 
## violet  0  1  1 
## yellow  0  2  0 

（これはアルファベット順に並べています。私はあなたにとってそれがどれほど重要かはわかりません...）

Answer 2

awk救助に！

真の多次元配列のためのGNU AWK、gensub（有

$ awk 'FNR==1{c++} 
      {counts[$1,c]++; keys[$1]} 
      END{print "Colour Group1 Group2 Group3"; 
       for(k in keys) {printf "%s ",k; 
           for(i=1;i<=c;i++) printf "%s ", counts[k,i]+0; 
           print ""}}' file{1,2,3} | 
    column -t 

Colour Group1 Group2 Group3 
red  3  1  0 
pink 1  0  1 
orange 0  1  1 
blue 1  0  0 
violet 0  1  1 
yellow 0  2  0 
grey 0  0  1 
cyan 0  1  1 
brown 0  2  0 
green 1  0  0 

Answer 3

）、およびARGIND：

$ cat tst.awk 
{ cnt[$0][ARGIND]++ } 
END { 
    printf "%s%s", "Colour", OFS 
    for (groupNr=1; groupNr<=ARGIND; groupNr++) { 
     printf "%s%s", gensub(/\.[^.]+$/,"",1,ARGV[groupNr]), (groupNr<ARGIND ? OFS : ORS) 
    } 

    for (colour in cnt) { 
     printf "%s%s", colour, OFS 
     for (groupNr=1; groupNr<=ARGIND; groupNr++) { 
      printf "%d%s", cnt[colour][groupNr], (groupNr<ARGIND ? OFS : ORS) 
     } 
    } 
} 

$ awk -f tst.awk group1.txt group2.txt group3.txt | column -t 
Colour group1 group2 group3 
orange 0  1  1 
cyan 0  1  1 
brown 0  2  0 
grey 0  0  1 
red  3  1  0 
yellow 0  2  0 
violet 0  1  1 
pink 1  0  1 
green 1  0  0 
blue 1  0  0