如何统计文件中与第一列对应的第二列字符串出现次数

输入输出示例 #

输入文件（input.txt） #

CD196_RS15035       normal alleles
CD196_RS15035       normal alleles
CD196_RS15035       truncation in the allele
CD196_RS15035       truncation in the allele
CD196_RS15035       no stop for allele
CD196_RS15035       no stop for allele
CD196_RS16835       normal alleles
CD196_RS16835       truncation in the allele
CD196_RS16835       no stop for allele
CD196_RS16835       no stop for allele

期望输出格式 #

CD196_RS15035  normal alleles  2    truncation in the allele   2    no stop for allele  2
 
CD196_RS16835  normal alleles  1    truncation in the allele   1    no stop for allele  2

方法一：使用awk命令（Linux/Unix环境） #

一行命令即可完成统计与格式化输出，若需保证输出的allele类型顺序与输入中首次出现的顺序一致，使用以下命令：

awk '{key=$1; value=$0; sub(/^[^[:space:]]+[[:space:]]+/, "", value); if (!(value in count[key])) {order[key][++len[key]]=value} count[key][value]++} END {for (k in count) {printf "%s", k; for (i=1; i<=len[k]; i++) {v=order[k][i]; printf "  %s  %d", v, count[k][v]}; print ""}}' input.txt > output.txt

命令解释 #

• 提取每行第一列作为统计主键key，提取第一列后的完整字符串作为value
• 用二维数组count[key][value]统计每个主键对应allele类型的出现次数
• 用order[key]数组记录allele类型的首次出现顺序，保证输出顺序与输入一致
• 最后遍历所有主键，按格式拼接主键、allele类型及次数，写入输出文件output.txt

方法二：使用Python脚本（跨平台） #

创建count_alleles.py脚本，跨平台兼容，且逻辑更直观：

from collections import defaultdict

# 初始化统计容器：计数字典+顺序记录字典
counts = defaultdict(lambda: defaultdict(int))
allele_order = defaultdict(list)

# 读取输入文件并统计
with open('input.txt', 'r') as f:
    for line in f:
        line = line.strip()
        if not line:
            continue
        # 分割主键与allele类型（仅分割一次，避免allele类型含空格的情况）
        key, allele = line.split(maxsplit=1)
        counts[key][allele] += 1
        # 记录allele类型的首次出现顺序
        if allele not in allele_order[key]:
            allele_order[key].append(allele)

# 写入输出文件
with open('output.txt', 'w') as f:
    for key in allele_order:
        output_items = [key]
        # 按顺序拼接allele类型与对应次数
        for allele in allele_order[key]:
            output_items.extend([allele, str(counts[key][allele])])
        # 按指定格式写入，每个主键后换行空一行
        f.write('  '.join(output_items) + '\n\n')

使用步骤 #

1. 将输入文本保存为input.txt
2. 运行脚本：python count_alleles.py
3. 结果自动保存到output.txt

内容的提问来源于stack exchange，提问作者user14714429