特定列中不同字元串的列出頻率

我需要弄清楚特定字元串在第 4 列中出現了多少次。

這是我的數據：

25 48656721 48656734 FAM132B ENSCAFT00000019683 4 0.51 
X 53969937 53969950 FAM155B ENSCAFT00000026508 5 0.57 
3 42203721 42203906 FAM169B ENSCAFT00000017307 5 0.54 
36 28947780 28947831 FAM171B ENSCAFT00000046981 5 0.51 
10 45080519 45080773 FAM171B ENSCAFT00000003744 9 -0.53 
3 61627122 61627446 FAM193A ENSCAFT00000023571 13 0.64 
3 61626373 61626466 FAM193A ENSCAFT00000023571 6 0.51 
15 55348822 55349196 FAM193A ENSCAFT00000045012 5 0.52 

這是我數據的一部分。所以，我希望輸出是：

1 FAM132B
1 FAM155B
1 FAM169B
2 FAM171B
3 FAM193A

依此類推 - 對於我的其餘數據。什麼命令會起作用？

一種簡單的解決方案是使用awk拉第 4 列；uniq -c計算它們；另一個sort按第二列（舊的第 4 列數據）排列它們：

awk '{print $4}' < data | uniq -c | sort -k2

在您的（更新的）範例輸入中，這給出：

 1 FAM132B
 1 FAM155B
 1 FAM169B
 2 FAM171B
 3 FAM193A

使用awk：

awk '{a[$4]++} END{for(s in a){print a[s]" "s}}' file

• a[$4]++遞增其索引具有第 4 列名稱的數組元素。當完成文件時，該數組包含第 4 列所有出現的計數器。

• END{}: 表示當 awk 通過文件時執行的程式碼塊。

  • for(s in a)通過陣列執行…
  • print a[s]" "s}…並列印其值和索引。

---

輸出：

1 FAM169B
3 FAM193A
1 FAM132B
1 FAM155B
2 FAM171B

引用自：https://unix.stackexchange.com/questions/231630