Come posso sommare rapidamente tutti i numeri in un file?

Ho un file che contiene diverse migliaia di numeri, ognuno sulla propria riga:

34
42
11
6
2
99
...

Sto cercando di scrivere uno script che stamperà la somma di tutti i numeri nel file. Ho una soluzione, ma non è molto efficiente. (Ci vogliono diversi minuti per correre.) Sto cercando una soluzione più efficiente. Eventuali suggerimenti?

Per un one-liner Perl, è sostanzialmente la stessa cosa della awksoluzione nella risposta di Ayman Hourieh :

 % perl -nle '$sum += $_ } END { print $sum'

Se sei curioso di sapere cosa fanno le battute singole Perl, puoi depilarle:

 %  perl -MO=Deparse -nle '$sum += $_ } END { print $sum'

Il risultato è una versione più dettagliata del programma, in una forma che nessuno avrebbe mai scritto da solo:

BEGIN { $/ = "\n"; $\ = "\n"; }
LINE: while (defined($_ = <ARGV>)) {
    chomp $_;
    $sum += $_;
}
sub END {
    print $sum;
}
-e syntax OK

Solo per risatine, ho provato questo con un file contenente 1.000.000 di numeri (nell'intervallo 0 - 9.999). Sul mio Mac Pro, ritorna praticamente istantaneamente. È un peccato, perché speravo che l'uso mmapsarebbe stato molto veloce, ma è solo la stessa volta:

use 5.010;
use File::Map qw(map_file);

map_file my $map, $ARGV[0];

$sum += $1 while $map =~ m/(\d+)/g;

say $sum;

Puoi usare awk:

awk '{ sum += $1 } END { print sum }' file

Nessuna soluzione finora utilizzata paste. Eccone uno:

paste -sd+ filename | bc

Ad esempio, calcola wheren dove 1 <= n <= 100000:

$ seq 100000 | paste -sd+ | bc -l
5000050000

(Per i curiosi, seq nstampa una sequenza di numeri da 1a cui ndare un numero positivo n.)

Solo per divertimento, facciamo un benchmark:

$ for ((i=0; i<1000000; i++)) ; do echo $RANDOM; done > random_numbers

$ time perl -nle '$sum += $_ } END { print $sum' random_numbers
16379866392

real    0m0.226s
user    0m0.219s
sys     0m0.002s

$ time awk '{ sum += $1 } END { print sum }' random_numbers
16379866392

real    0m0.311s
user    0m0.304s
sys     0m0.005s

$ time { { tr "\n" + < random_numbers ; echo 0; } | bc; }
16379866392

real    0m0.445s
user    0m0.438s
sys     0m0.024s

$ time { s=0;while read l; do s=$((s+$l));done<random_numbers;echo $s; }
16379866392

real    0m9.309s
user    0m8.404s
sys     0m0.887s

$ time { s=0;while read l; do ((s+=l));done<random_numbers;echo $s; }
16379866392

real    0m7.191s
user    0m6.402s
sys     0m0.776s

$ time { sed ':a;N;s/\n/+/;ta' random_numbers|bc; }
^C

real    4m53.413s
user    4m52.584s
sys 0m0.052s

Ho interrotto la corsa sed dopo 5 minuti

Mi sono tuffato a lua, ed è veloce:

$ time lua -e 'sum=0; for line in io.lines() do sum=sum+line end; print(sum)' < random_numbers
16388542582.0

real    0m0.362s
user    0m0.313s
sys     0m0.063s

e mentre lo aggiorno, ruby:

$ time ruby -e 'sum = 0; File.foreach(ARGV.shift) {|line| sum+=line.to_i}; puts sum' random_numbers
16388542582

real    0m0.378s
user    0m0.297s
sys     0m0.078s

Il consiglio di Heed Ed Morton: usare $1

$ time awk '{ sum += $1 } END { print sum }' random_numbers
16388542582

real    0m0.421s
user    0m0.359s
sys     0m0.063s

vs usando $0

$ time awk '{ sum += $0 } END { print sum }' random_numbers
16388542582

real    0m0.302s
user    0m0.234s
sys     0m0.063s

Un'altra opzione è utilizzare jq:

$ seq 10|jq -s add
55

-s( --slurp) legge le righe di input in un array.

Questo è dritto Bash:

sum=0
while read -r line
do
    (( sum += line ))
done < file
echo $sum

Ecco un altro one-liner

( echo 0 ; sed 's/$/ +/' foo ; echo p ) | dc

Questo presuppone che i numeri siano numeri interi. Se hai bisogno di decimali, prova

( echo 0 2k ; sed 's/$/ +/' foo ; echo p ) | dc

Regola 2 in base al numero di decimali necessari.

Preferisco usare il datamash GNU per tali compiti perché è più conciso e leggibile di perl o awk. Per esempio

datamash sum 1 < myfile

dove 1 indica la prima colonna di dati.

$ perl -MList::Util=sum -le 'print sum <>' nums.txt

Preferisco usare R per questo:

$ R -e 'sum(scan("filename"))'

cat nums | perl -ne '$sum += $_ } { print $sum'

(uguale alla risposta di brian d foy, senza "END")

Più succinto:

# Ruby
ruby -e 'puts open("random_numbers").map(&:to_i).reduce(:+)'

# Python
python -c 'print(sum(int(l) for l in open("random_numbers")))'

Perl 6

say sum lines

~$ perl6 -e '.say for 0..1000000' > test.in

~$ perl6 -e 'say sum lines' < test.in
500000500000

Solo per divertimento, facciamolo con PDL , il motore matematico array di Perl!

perl -MPDL -E 'say rcols(shift)->sum' datafile

rcolslegge le colonne in una matrice (1D in questo caso) e sum(sorpresa) somma tutti gli elementi della matrice.

Ecco una soluzione che usa python con un'espressione di generatore. Testato con un milione di numeri sul mio vecchio laptop rozzo.

time python -c "import sys; print sum((float(l) for l in sys.stdin))" < file

real    0m0.619s
user    0m0.512s
sys     0m0.028s

Non potevo semplicemente passare ... Ecco la mia copertina di Haskell. In realtà è abbastanza leggibile:

sum <$> (read <$>) <$> lines <$> getContents

Sfortunatamente non è ghci -enecessario eseguirlo, quindi ha bisogno della funzione principale, della stampa e della compilazione.

main = (sum <$> (read <$>) <$> lines <$> getContents) >>= print

Per chiarire, leggiamo l'intero input ( getContents), diviso per lines, readcome numeri e sum. <$>è un fmapoperatore - lo usiamo al posto della normale applicazione di funzione perché sicuramente questo accade in I / O. readha bisogno di un ulteriore fmap, perché è anche nell'elenco.

$ ghc sum.hs
[1 of 1] Compiling Main             ( sum.hs, sum.o )
Linking sum ...
$ ./sum 
1
2
4
^D
7

Ecco uno strano aggiornamento per farlo funzionare con i float:

main = ((0.0 + ) <$> sum <$> (read <$>) <$> lines <$> getContents) >>= print

$ ./sum 
1.3
2.1
4.2
^D
7.6000000000000005

sed ':a;N;s/\n/+/;ta' file|bc

Esecuzione di script R.

Ho scritto uno script R per prendere argomenti sul nome di un file e sommare le righe.

#! /usr/local/bin/R
file=commandArgs(trailingOnly=TRUE)[1]
sum(as.numeric(readLines(file)))

Questo può essere velocizzato con il pacchetto "data.table" o "vroom" come segue:

#! /usr/local/bin/R
file=commandArgs(trailingOnly=TRUE)[1]
sum(data.table::fread(file))

#! /usr/local/bin/R
file=commandArgs(trailingOnly=TRUE)[1]
sum(vroom::vroom(file))

Analisi comparativa

Stessi dati di benchmarking di @glenn jackman .

for ((i=0; i<1000000; i++)) ; do echo $RANDOM; done > random_numbers

Rispetto alla chiamata R sopra, l'esecuzione di R 3.5.0 come script è paragonabile ad altri metodi (sullo stesso server Debian Linux).

$ time R -e 'sum(scan("random_numbers"))'  
 0.37s user
 0.04s system
 86% cpu
 0.478 total

Script R con readLines

$ time Rscript sum.R random_numbers
  0.53s user
  0.04s system
  84% cpu
  0.679 total

Script R con data.table

$ time Rscript sum.R random_numbers     
 0.30s user
 0.05s system
 77% cpu
 0.453 total

Script R con Vroom

$ time Rscript sum.R random_numbers     
  0.54s user 
  0.11s system
  93% cpu
  0.696 total

Confronto con altre lingue

Per riferimento qui come alcuni altri metodi suggeriti sullo stesso hardware

Python 2 (2.7.13)

$ time python2 -c "import sys; print sum((float(l) for l in sys.stdin))" < random_numbers 
 0.27s user 0.00s system 89% cpu 0.298 total

Python 3 (3.6.8)

$ time python3 -c "import sys; print(sum((float(l) for l in sys.stdin)))" < random_number
0.37s user 0.02s system 98% cpu 0.393 total

Rubino (2.3.3)

$  time ruby -e 'sum = 0; File.foreach(ARGV.shift) {|line| sum+=line.to_i}; puts sum' random_numbers
 0.42s user
 0.03s system
 72% cpu
 0.625 total

Perl (5.24.1)

$ time perl -nle '$sum += $_ } END { print $sum' random_numbers
 0.24s user
 0.01s system
 99% cpu
 0.249 total

Awk (4.1.4)

$ time awk '{ sum += $0 } END { print sum }' random_numbers
 0.26s user
 0.01s system
 99% cpu
 0.265 total
$ time awk '{ sum += $1 } END { print sum }' random_numbers
 0.34s user
 0.01s system
 99% cpu
 0.354 total

C (clang versione 3.3; gcc (Debian 6.3.0-18) 6.3.0)

 $ gcc sum.c -o sum && time ./sum < random_numbers   
 0.10s user
 0.00s system
 96% cpu
 0.108 total

Aggiornamento con altre lingue

Lua (5.3.5)

$ time lua -e 'sum=0; for line in io.lines() do sum=sum+line end; print(sum)' < random_numbers 
 0.30s user 
 0.01s system
 98% cpu
 0.312 total

tr (8.26) deve essere temporizzato in bash, non compatibile con zsh

$time { { tr "\n" + < random_numbers ; echo 0; } | bc; }
real    0m0.494s
user    0m0.488s
sys 0m0.044s

sed (4.4) deve essere temporizzato in bash, non compatibile con zsh

$  time { head -n 10000 random_numbers | sed ':a;N;s/\n/+/;ta' |bc; }
real    0m0.631s
user    0m0.628s
sys     0m0.008s
$  time { head -n 100000 random_numbers | sed ':a;N;s/\n/+/;ta' |bc; }
real    1m2.593s
user    1m2.588s
sys     0m0.012s

nota: le chiamate sed sembrano funzionare più velocemente sui sistemi con più memoria disponibile (notare set di dati più piccoli utilizzati per il benchmarking di sed)

Julia (0.5.0)

$ time julia -e 'print(sum(readdlm("random_numbers")))'
 3.00s user 
 1.39s system 
 136% cpu 
 3.204 total
$  time julia -e 'print(sum(readtable("random_numbers")))'
 0.63s user 
 0.96s system 
 248% cpu 
 0.638 total

Si noti che, come in R, i metodi di I / O dei file hanno prestazioni diverse.

C ++ "one-liner":

#include <iostream>
#include <iterator>
#include <numeric>
using namespace std;

int main() {
    cout << accumulate(istream_iterator<int>(cin), istream_iterator<int>(), 0) << endl;
}

Un altro per divertimento

sum=0;for i in $(cat file);do sum=$((sum+$i));done;echo $sum

o solo un altro bash

s=0;while read l; do s=$((s+$l));done<file;echo $s

Ma la soluzione Awk è probabilmente la migliore perché è la più compatta.

C vince sempre per la velocità:

#include <stdio.h>
#include <stdlib.h>

int main(int argc, char **argv) {
    ssize_t read;
    char *line = NULL;
    size_t len = 0;
    double sum = 0.0;

    while (read = getline(&line, &len, stdin) != -1) {
        sum += atof(line);
    }

    printf("%f", sum);
    return 0;
}

Temporizzazione per numeri 1M (stessa macchina / input della mia risposta python):

$ gcc sum.c -o sum && time ./sum < numbers 
5003371677.000000
real    0m0.188s
user    0m0.180s
sys     0m0.000s

Con Ruby:

ruby -e "File.read('file.txt').split.inject(0){|mem, obj| mem += obj.to_f}"

Non so se puoi ottenere molto meglio di questo, considerando che devi leggere l'intero file.

$sum = 0;
while(<>){
   $sum += $_;
}
print $sum;

Non l'ho testato ma dovrebbe funzionare:

cat f | tr "\n" "+" | sed 's/+$/\n/' | bc

Potrebbe essere necessario aggiungere "\ n" alla stringa prima di bc (come via echo) se bc non tratta EOF ed EOL ...

Eccone un altro:

open(FIL, "a.txt");

my $sum = 0;
foreach( <FIL> ) {chomp; $sum += $_;}

close(FIL);

print "Sum = $sum\n";

Puoi farlo con Alacon - utility da riga di comando per Alasql database .

Funziona con Node.js, quindi è necessario installare Node.js e quindi Alasql pacchetto :

Per calcolare la somma dal file TXT è possibile utilizzare il seguente comando:

> node alacon "SELECT VALUE SUM([0]) FROM TXT('mydata.txt')"

Non è più facile sostituire tutte le nuove righe con +, aggiungere un 0e inviarlo Rubyall'interprete?

(sed -e "s/$/+/" file; echo 0)|irb

Se non lo hai irb, puoi inviarlo a bc, ma devi rimuovere tutte le nuove righe tranne l'ultima (di echo). È meglio usare trper questo, a meno che tu non abbia un dottorato di ricerca in sed.

(sed -e "s/$/+/" file|tr -d "\n"; echo 0)|bc

In Go:

package main

import (
    "bufio"
    "fmt"
    "os"
    "strconv"
)

func main() {
    scanner := bufio.NewScanner(os.Stdin)
    sum := int64(0)
    for scanner.Scan() {
        v, err := strconv.ParseInt(scanner.Text(), 10, 64)
        if err != nil {
            fmt.Fprintf(os.Stderr, "Not an integer: '%s'\n", scanner.Text())
            os.Exit(1)
        }
        sum += v
    }
    fmt.Println(sum)
}

Variante Bash

raw=$(cat file)
echo $(( ${raw//$'\n'/+} ))

$ wc -l file
10000 file

$ time ./test
323390

real    0m3,096s
user    0m3,095s
sys     0m0,000s

In shell usando awk, ho usato lo script seguente per farlo:

    #!/bin/bash


total=0;

for i in $( awk '{ print $1; }' <myfile> )
do
 total=$(echo $total+$i | bc )
 ((count++))
done
echo "scale=2; $total " | bc