arrays - 为什么 AWK 不将此数组索引视为数字，除非我使用 int()？

Question

我有以下类型的基因组学文件:

$ cat test-file_long.txt 
2 41647 A G
2 45895 A G
2 45953 T C
2 224919 A G
2 230055 C G
2 233239 A G
2 234130 T G
2 23454 T C

当我使用以下简短的 AWK 脚本时，它不会返回所有大于 if 语句中使用的元素的元素:

{
    a[$2]
}
END{
    for (i in a){
    if(i > 45895) 
    print i
    }
}

脚本返回这个:

$ awk -f practice.awk test-file_long.txt 
45953

但是，当我使用 int() 更改 if 语句时，它返回的行实际上大于我想要的:

{
    a[$2]
}
END{
    for (i in a){
    if(int(i) > 45895) 
    print i
    }
}

结果:

$ awk -f practice.awk test-file_long.txt 
233239
230055
234130
224919
45953

它似乎只与第一个数字进行比较，如果它们相同，它会查看下一个数字，但它不会处理整个数字。有人可以向我解释关联数组的内部机制是什么，它不会进行数字 >/< 比较，除非我指定我想要数组元素的 int() 吗？如果我的数组元素是 float 并且 int() 不是一个选项怎么办？

Answer 1

awk 中的数组键是字符串，所以这里按字母顺序进行比较。在您的第一个示例中，459 按字母顺序大于 458，因此它通过了测试。

如果您的唯一目标是打印第 2 列为 > 45895 numerically 的行，则这样做:

awk '$2 > 45895' test-file_long.txt

变量会根据评估它们的上下文改变类型。因此，通过将变量放在明确的数字上下文中，它将被视为这样。 @glenn 关于 i+0 的建议完美地证明了这一点。

或者，unary plus operator +i 可用于将表达式转换为数字。因此，您可以将更长的示例更改为:

awk '{a[$2]} END { for (i in a) { if (+i > 45895) print i } }' test-file_long.txt