linux awk进阶篇

上一篇主要是awk的进本应用。本节是awk的进阶篇

ACTION:除去常用的print和printf还有以下几个

  • expression:表达式 如$1>3
  • control statements:控制语句,如if,while等
  • compound statements:组合语句
  • input statements :输入语句
  • output statements:输出语句

control statements

  if:

    if(condition) statements

    if(condition) statements else statements

    if用法示例

      

      uid>1000为普通用户,否则是root或者系统用户(centos7)

      

  while:

    while(condition) statements

    do statements while(condition)

    while语法示例

      

        while中嵌套if

      

  for:

    for(expr1;expr2;expr3) statement

     expre1,2,3分别为:初始表达式;终止条件;步长表达式

    for示例

      

  swith:

    swith(expression){case value1 or /regxp/:statement;case value2 or /regxp2/:statement……default:statement}

  next:结束对本行数据的处理直接进入下一行

    next示例

         

数组:array

  关联数组:array[index expression]

    index expression:

      可以使用任意字符串;

      字符串必须用双引号引起来。

      若引用一个数组中不存在的元素。awk会自动创建该元素,并且赋予其初始值——空字符或者数字0

    特殊用法:使用for循环数组以遍历其中元素——for (i in array) body

      array示例:

      

        统计命令中的tcp状态出现次数

      

        不是用BEGIN模式

      

 

练习题:

统计/etc/fstab文件中第三个字段(文件系统)出现的次数

  

统计/etc/fstab文件中所有单词分别出现的次数

    首先使用for(expre1,expre2,expre3)遍历每行中的每个元素,然后保存在数组ws中。然后使用for(i in ws)遍历数组中的每一个元素。最后输出元素及其出现次数。

  

函数:内置函数和自定义函数

  内置函数:

    数值处理

      rand():随机生成0~1之间的小数。

    字符串处理

      length([s]):返回指定字符串长度。

      sub(r,s,[t]):将字符串t中第一次被模式r匹配的字符串替换成s。

      gsub(r,s,[t]):将字符串t中所有被模式r匹配的字符串替换成s。

      split(s,a,[r]):以r为分隔符切割字符串s,并将结果保存在数组a中。

        

转载于:https://www.cnblogs.com/wxxjianchi/p/9149862.html

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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