awk split サンプルでわかる列の分割とセパレータ(文字・正規表現)の指定方法

awkのsplit関数は、セパレータを指定して文字列を分割することができます。セパレータには文字や正規表現で指定できて、指定しない場合はフィールドセパレータがデリミタとして使われます。分割後の単語は、配列に格納されて1〜分割数nまでのインデックス番号で取り出すことができます。

awk split 列をセパレータで分割する

awk split 書式

awkのsplit関数には、分割対象となる文字列(列番号などを指定)、分割後のデータ格納先(配列名)、区切り文字(デフォルトはフィールドセパレーター)を指定します。戻り値は、分割された数です。

n = split(strings, array, separater)

awk split いろいろなセパレータを指定する

セパレータには文字を直接指定したり、正規表現でパターンを指定することができます。指定しない場合は、そのときのフィールドセパレータがデリミタとして使われます。フィールドセパレータのデフォルト値は、「」です。

1文字指定する

ファイルを読み込んで、列をカンマで分割し、分割された単語の先頭(1番目)と最後(3番目:n)を表示しました。

1: $cat > my.dat <<EOF
2: > # header
3: > 1,2,3
4: > EOF
5: 
6: $ cat my.dat | awk '!/^#/{n=split($0, ary, ","); print(ary[1], ary[n])}'
7: 1 3

正規表現を指定する

ファイルを読み込んで、列をカンマまたはセミコロン(正規表現で/[,;]/)で分割し、分割された単語の先頭(1番目)と最後(3番目:n)を表示しました。

1: $cat > my.dat <<EOF
2: > # header
3: > 1,2;3
4: > EOF
5: 
6: $ cat my.dat | awk '!/^#/{n=split($0, ary, /[,;]/); print(ary[1], ary[n])}'
7: 1 3

フィールドセパレーターを指定する(デリミタ省略)

ファイルを読み込んで、列をスペース(フィールドセパレーター)で分割し、分割された単語の先頭(1番目)と最後(3番目:n)を表示しました。

1: $cat > my.dat <<EOF
2: > # header
3: > 1 2 3
4: > EOF
5: 
6: $ cat my.dat | awk '!/^#/{n=split($0, ary); print(ary[1], ary[n])}'
7: 1 3

分割後の単語を配列から取り出す

ファイルで読み込んだ行をカンマ(,)で分割し、分割後の単語を配列データとしてfor文で利用しています。

1: $cat > my.dat <<EOF
2: > # header
3: > 1,2,3
4: > EOF
 1: $ cat awk_split.awk
 2: !/^#/ {
 3:     n = split($0, ary, ",")
 4: 
 5:     for (x in ary) {
 6:       if (x != n)
 7:         printf("%s - ", ary[x])
 8:       else
 9:         printf("%s", ary[x])
10:     }
11:     printf("\n")
12: }
1: $ awk -f awk_split.awk my.dat
2: 1 - 2 - 3

まとめ

  • awkのsplit関数は、文字列を分割することができる。
  • セパレータには、文字や正規表現を指定する。省略した場合は、フィールドセパレータ。
  • 分割後の単語は、配列に格納される。1〜分割数nまでのインデックス番号でアクセス可能。

実験データの解析や論文用グラフ作成のヒントになりそうな、プログラミング・統計処理の参考になる書籍をまとめて紹介しています。是非、参考にしてみて下さいね。



ピックアップ記事

  1. tidyverse – distinct関数でデータフレームの重複行を削除 dplyrパッケージ

    tidyverseでデータフレームの重複行の削除を行う場合、dplyrパッケージのdistinct…
  2. awk if サンプルでわかる条件文の書き方 一致・大小比較・正規表現を簡潔に書く方法

    awkのif条件文は、条件によって処理をわけたいときに使います。条件式では、0の判定・関係演算子・…
  3. awk split サンプルでわかる列の分割とセパレータ(文字・正規表現)の指定方法

    awkのsplit関数は、セパレータを指定して文字列を分割することができます。セパレータには文字や…

人気記事

  1. Excel, その他, 統計

    z-score 計算方法 エクセル(Excel) 編
    統計処理で、大きく変化しているなどの判断基準にも使われる値…
  2. IGV, 解析ツール

    IGV 使い方 インストール〜便利な使い方まで | リファレンス・マッピングデータ・アノテーションを読み込んで表示しよう
    IGV(Integrative Genomics View…
  3. R データ型 - 文字列・ベクター・データフレーム・マトリックス など-, R言語, スクリプト

    R subset関数 データフレームやmatrixからの条件指定による行・列の抽出
    R の subset関数は、データフレームやマトリックスか…

おすすめ記事

  1. R言語, グラフ

    R 使い方 軸・ラベルの調整(向き・サイズ・色など) グラフの描き方
    Rによるplot(グラフ)の描画は、手軽で大変便利です。た…
  2. bash 応用, シェルスクリプト

    シェル スクリプト ファイル存在チェック・空のファイルチェック
    bashでスクリプトを作成するときに、よく使うのがファイル…
  3. awk, bash 文字列操作, シェルスクリプト

    bash 部分文字列・置換・長さ・連結・分割の文字列処理
    bashのよく使う文字列処理、部分文字列・置換・連結・長さ…