perl - 通过perl对数据进行分箱后计算元素

Question

考虑到特定的数据分箱，我需要计算比较两个文件有多少不同的对象。第一个是一个三列文件（此处test_counter.txt），其中报告了 ID 对（ID 由分隔|），每个 ID 对都有一个关联的值。在另一个文件 ( list.pl) 中，我有一个简单的 ID 列表，写为$id{"ID1"} = 1;. 所以，我需要计算test_counter.txt每个 bin 中文件中的不同 ID（间隔必须等于 0.1）并且没有重复（意味着如果一个 ID 在 bin 中出现两次，我想计算它只有一次）。三列文件 ( test_counter.txt) 如下所示：

d|a -0.1412
a|a -0.1526
d|a 0.12
c|b 0.16596
b|a 0.221
c|a 0.21123
d|b 0.388
c|b 0.35
b|d 0.412
d|a 0.5236
d|c 0.565
b|a 0.6174
a|c 0.65
c|d 0.678

list.pl文件是这样的：

$id{"a"} = 1;
$id{"b"} = 1;
$id{"c"} = 1;
$id{"d"} = 1;

我想要的输出是这样的：

-0.9 
-0.8 
-0.7 
-0.6 
-0.5 
-0.4 
-0.3 
-0.2 
-0.1 2
0 
0.1 4
0.2 3
0.3 3
0.4 2
0.5 3
0.6 4
0.7 
0.8 
0.9

我的代码是：

    require("id_pf.pl");
    $file = "test_counter.txt";
    open(HAN, "< $file") ||  die "not opening $file";
        @row = <HAN>;
    close(HAN);
    for($i=0;$i<=$#row;$i++) {
        chomp($row[$i]);
        ($ppi,$val) = split(/ /,$row[$i]);
        ($p1,$p2) = split(/\|/,$ppi);
        if ($val <-0.9) {
            $bin= 1;        
        } elsif ($val <-0.8) {
            $bin = 2;
        } elsif ($val <-0.7) {
                $bin = 3;
        } elsif ($val <-0.6) {
                $bin = 4;
        } elsif ($val <-0.5) {
                $bin = 5;
        } elsif ($val <-0.4) {
                $bin = 6;
        } elsif ($val <-0.3) {
                $bin = 7;
        } elsif ($val <-0.2) {
                $bin = 8;
        } elsif ($val <-0.1) {
                $bin = 9;
    } elsif ($val <-0.0) {
                $bin = 10;
        } elsif ($val <0.1) {
                $bin = 11;
        } elsif ($val <0.2) {
                $bin = 12;
        } elsif ($val <0.3) {
                $bin = 13;
        } elsif ($val <0.4) {
                $bin = 14;
        } elsif ($val <0.5) {
                $bin = 15;
        } elsif ($val <0.6) {
                $bin = 16;
        } elsif ($val <0.7) {
                $bin = 17;
        } elsif ($val <0.8) {
                $bin = 18;
        } elsif ($val <0.9) {
                $bin = 19;
    } else {
        $bin = 20;
    }
    if (($id{$p1}) || ($id{$p2})){
    $pos[$bin]++;   
} else {
        }
    }
    for ($k=1;$k<=20;$k++) {
        $bin = ($k/10)-1.05;
        print "$bin\t$pos[$k]\n";
    }

通过这段代码，我得到了这个（错误的）结果：

-0.9 
-0.8 
-0.7 
-0.6 
-0.5 
-0.4 
-0.3 
-0.2 
-0.1 2
0 
0.1 2
0.2 2
0.3 2
0.4 1
0.5 2
0.6 3
0.7 
0.8 
0.9

所以，实际上我的代码只能读取第一个 ID，但不考虑第二个。另一个错误是它计算一个 ID 的次数与它在 bin 中出现的次数一样多。非常欢迎任何帮助！

score 3 · Accepted Answer

根据评论编辑。现在应该可以工作了。

use strict;
use warnings;
use 5.14.0;

my %hash;
while(<DATA>){
    next if /^\s*$/m; # In case if you have empty lines.
    my ($key1,$key2,$val) = /^(\w)\|(\w) ([0-9.-]+)/;
    $val = int($val*10)/10; 
    $hash{$val}{$key1}++;
    $hash{$val}{$key2}++;
}
for (-9..9){
    $_ = $_/10;
    say "$_\t",ref $hash{$_} ? scalar keys $hash{$_} : '';
}

__DATA__
d|a -0.1412
a|a -0.1526
d|a 0.12
c|b 0.16596
b|a 0.221
c|a 0.21123
d|b 0.388
c|b 0.35
b|d 0.412
d|a 0.5236
d|c 0.565
b|a 0.6174
a|c 0.65
c|d 0.678

输出：

perl - 通过perl对数据进行分箱后计算元素

1 回答 1

Related

Reference