16、Awk编程:关系与布尔运算符、文件信息处理及格式化输出

Awk编程:关系与布尔运算符、文件信息处理及格式化输出

1. 关系与布尔运算符

关系和布尔运算符在数据处理中用于比较两个表达式。以下是详细介绍:
- 关系运算符
| 运算符 | 描述 |
| — | — |
| < | 小于 |
| > | 大于 |
| <= | 小于或等于 |
| >= | 大于或等于 |
| == | 等于 |
| != | 不等于 |
| ~ | 匹配 |
| !~ | 不匹配 |

关系表达式可替代模式来控制特定操作。例如,若要将处理的记录限制为具有五个字段的记录,可使用 `NF == 5` 表达式。注意,关系运算符 “==” 与赋值运算符 “=” 不同,使用 “=” 来测试相等性是常见错误。

```awk
# 仅打印具有六个字段的行的第一个和第六个字段
NF == 6 { print $1, $6 }
```

正则表达式通常用斜杠括起来,当与关系运算符 `~` 和 `!~` 一起使用时,表达式的右侧可以是任何 awk 表达式,awk 将其视为指定正则表达式的字符串。例如:
```awk
$5 ~ /MA/ { print $1 ", " $6 }
```

还可以通过变量提供正则表达式,使脚本更具通用性:
```awk
$5 ~ state { print $1 ", " $6 }
```
  • 布尔运算符
    | 运算符 | 描述 |
    | — | — |
    | || |

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值