如何统计数据集中各字符串的重复出现次数？

方案一：使用awk命令（Linux/macOS终端） #

直接提取每行的目标字符串，用关联数组统计出现次数，最后遍历输出结果：

awk '{count[$2]++} END {for (str in count) print str, count[str]}' input.txt

如果无需文件，直接在终端输入数据处理：

cat << EOF | awk '{count[$2]++} END {for (str in count) print str, count[str]}'
1      AB
2      ZZ
3      BC
4      AB
5      ZZ
6      CC
EOF

方案二：使用sort+uniq组合命令 #

通过多步命令协作完成统计，适合熟悉基础终端工具的场景：

cut -d' ' -f2 input.txt | sort | uniq -c | awk '{print $2, $1}'

各步骤说明：

• cut -d' ' -f2：以空格为分隔符，提取每行第二个字段
• sort：对提取的字符串排序（uniq仅能统计连续重复的内容）
• uniq -c：统计每个字符串的出现次数，输出格式为「次数 字符串」
• awk '{print $2, $1}'：调换输出顺序，转为「字符串 次数」

方案三：Python脚本实现 #

适合需要自定义逻辑或跨平台场景：

from collections import defaultdict

# 从文件读取数据
count = defaultdict(int)
with open('input.txt', 'r') as f:
    for line in f:
        # 分割每行并取最后一个元素（兼容任意数量的前缀空格/数字）
        target_str = line.strip().split()[-1]
        count[target_str] += 1

# 输出统计结果
for s, num in count.items():
    print(f"{s} {num}")

若直接在脚本内嵌入数据：

from collections import defaultdict

data = """1      AB
2      ZZ
3      BC
4      AB
5      ZZ
6      CC"""

count = defaultdict(int)
for line in data.splitlines():
    target_str = line.strip().split()[-1]
    count[target_str] += 1

for s, num in count.items():
    print(f"{s} {num}")

内容的提问来源于stack exchange，提问作者Reda