对数组进行排序，但可能重复

Question

我有以下 bash 脚本，它从文件中提取数字列表。我想维护他们被拉动的顺序的日志（这是重要信息）。所以我得到了一些帮助（可能来自我在这里找到的一个例子）将信息转储到一个数组中，排序和输出信息。

if [ ! -z "$sort" ]; then
  if [[ $sort == ascending ]]; then
    gawk '/SCF Done/\
           {c++; list[$5]=c}
           END {
                 asorti(list,energies);
                 for (i=1;i<=c;i++)
                 printf("%s%s%d\n",energies[i]," - Optimization Step #",list[energies[i]])
                 print "Total Optimization Steps: "c}
           ' "$1"

唯一的问题是，我发现存储在行中$5 字段中的值有可能重复。所以在数组的初始构建过程中，list[$5]，这个值可能是非唯一的，因此之前的c 值会被覆盖。我已经想到了一些事情（将$5 的值乘以某个随机数，然后再将其重新划分），但如果有一个已经建立（并且更有效）的处理方法，我不会感到惊讶这个我不知道的问题。

这是grep "SCF Done"的输出

 SCF Done:  E(UM11L) =  -1267.67892101     A.U. after   41 cycles
 SCF Done:  E(UM11L) =  -1267.64771239     A.U. after   43 cycles
 SCF Done:  E(UM11L) =  -1267.67892101     A.U. after   39 cycles
 SCF Done:  E(UM11L) =  -1267.67892578     A.U. after   24 cycles
 SCF Done:  E(UM11L) =  -1267.67892051     A.U. after   24 cycles
 SCF Done:  E(UM11L) =  -1267.67892201     A.U. after   22 cycles

我切换到 gawk 格式的全部原因是因为我想提取那些中间数字，然后还创建一个格式化输出，如下所示。我最初使用了一个简单的grep "SCF Done" 语句，但后来获取格式、排序等，开始变成一个相当麻烦的语句来编写。事实还是一样，我希望能够按这些数字排序，同时保留数字和优化步骤之间的相关性（如下所示）。但这些数字并不总是唯一的。

-1267.67892101 - Optimization Step #1
-1267.64771239 - Optimization Step #2
-1267.67892101 - Optimization Step #3
-1267.67892578 - Optimization Step #4
-1267.67892051 - Optimization Step #5
-1267.67892201 - Optimization Step #6

Answer 1

你为什么用gawk而不是sort排序？

我不太明白你想从你的代码 sn-p 中完成什么，但也许：

grep 'SCF Done' "$1" | cut -f5 | cat -n | sort -k 2

---

我明白了。调用排序而不是使用 awk 的数组排序怎么样。

awk '
    /SCF Done/ {
        printf "%s - Optimization step #%d\n", $5, ++n | "sort"
    } 
    END {
        close("sort")
        print "total steps:", n
    }
' file

看起来像：

-1267.64771239 - Optimization step #2
-1267.67892051 - Optimization step #5
-1267.67892101 - Optimization step #1
-1267.67892101 - Optimization step #3
-1267.67892201 - Optimization step #6
-1267.67892578 - Optimization step #4
total steps: 6

Answer 2

我是否错过了排序发挥作用的地方？如果您担心重复行，如果它与您的上一行相同，只需跳过该行：

$ awk 
    'END { print "total steps: " count }
     /SCF Done/ {
        if ( prev5 == $5 ) {
             continue  # Skip duplicate line
        }
        count++
        printf "%s - Optimization step #%d\n", $5, count
        prev5 = $5
    }'

如果您真的不希望一行重复，请使用数组来存储 $5 的值作为数组的键。然后，您可以使用该数组来查看您是否曾经打过那条线。 awk 中的所有数组都是真正的哈希：

$ awk 
    'END { print "total steps: " count }
     {
        if ( $0 ~ /SCF Done/  ) {
            if ( prev[$5] == 1 ) {
                continue  # Seen that value of $5 before. Skip
            }
            count++
            printf "%s - Optimization step #%d\n", $5, count
            prev[$5] = 1  # Mark that you've printed $5 out
        }
    }'