Contando o número de linhas com um número maior que 100

Question

Eu tenho um arquivo com muitos números (somente números e cada número está em uma linha). Eu quero descobrir o número de linhas em que o número é maior que 100 (ou, na verdade, qualquer outra coisa). Como eu posso fazer isso?

    

Answer 1

Vamos considerar este arquivo de teste:

$ cat myfile
98
99
100
101
102
103
104
105

Agora, vamos contar o número de linhas com um número maior que 100:

$ awk '$1>100{c++} END{print c+0}' myfile
5

Como funciona

• $1>100{c++}

  Toda vez que o número na linha é maior que 100, a variável c é incrementada em 1.

• END{print c+0}

  Depois de terminarmos de ler o arquivo, a variável c é impressa.

  Ao adicionar 0 a c , forçamos o awk a tratar c como um número. Se houver linhas com números >100 , então c já é um número. Se não houvesse, então c seria um vazio (dica do chapéu: iruvar ). Adicionando zero a ele, alteramos a string vazia para um 0 , gerando uma saída mais correta.

Answer 2

Solução semelhante com perl

$ seq 98 105 | perl -ne '$c++ if $_ > 100; END{print $c+0 ."\n"}'
5

Comparação de velocidade: números reportados para 3 corridas consecutivas

Arquivo aleatório:

$ perl -le 'print int(rand(200)) foreach (0..10000000)' > rand_numbers.txt
$ perl -le 'print int(rand(100200)) foreach (0..10000000)' >> rand_numbers.txt

$ shuf rand_numbers.txt -o rand_numbers.txt 
$ tail -5 rand_numbers.txt 
114
100
66125
84281
144
$ wc rand_numbers.txt 
20000002 20000002 93413515 rand_numbers.txt
$ du -h rand_numbers.txt 
90M rand_numbers.txt

com awk

$ time awk '$1>100{c++} END{print c+0}' rand_numbers.txt 
14940305

real    0m7.754s
real    0m8.150s
real    0m7.439s

com perl

$ time perl -ne '$c++ if $_ > 100; END{print $c+0 ."\n"}' rand_numbers.txt 
14940305

real    0m4.145s
real    0m4.146s
real    0m4.196s

E apenas por diversão com grep ( Atualizado : mais rápido que o Perl com LC_ALL = C)

$ time grep -xcE '10[1-9]|1[1-9][0-9]|[2-9][0-9]{2,}|1[0-9]{3,}' rand_numbers.txt 
14940305

real    0m10.622s

$ time LC_ALL=C grep -xcE '10[1-9]|1[1-9][0-9]|[2-9][0-9]{2,}|1[0-9]{3,}' rand_numbers.txt
14940305

real    0m0.886s
real    0m0.889s
real    0m0.892s

sed não é divertido:

$ time sed -nE '/^10[1-9]|1[1-9][0-9]|[2-9][0-9]{2,}|1[0-9]{3,}$/p' rand_numbers.txt | wc -l
14940305

real    0m11.929s

$ time LC_ALL=C sed -nE '/^10[1-9]|1[1-9][0-9]|[2-9][0-9]{2,}|1[0-9]{3,}$/p' rand_numbers.txt | wc -l
14940305

real    0m6.238s