我正在处理稀疏矩阵格式的极大数据集。
数据具有归档格式(3 个制表符分隔的列,其中第一列中的字符串对应于行,第二列中的字符串对应于属性,第三列中的值是加权分数)。
church place 3
church institution 6
man place 86
man food 63
woman book 37
我想使用 awk (如果可能的话)将其转换为 arff 格式,以便使用上面的内容作为输入,我可以获得以下输出:
@relation 'filename'
@attribute "place" string
@attribute "institution" string
@attribute "food" string
@attribute "book" string
@data
3,6,0,0,church
86,0,63,0,man
0,0,0,37,woman
我已经看到这个 awk 文件完成了HERE https://stackoverflow.com/questions/9234232/too-many-attributes-for-arff-format-in-weka,产生的结果与我需要的非常相似。
但是,输入有点不同。我试图通过更改 FS = "|" 来操纵提供的代码到“\t”,但它不会产生预期的结果。
有人建议我如何操作这个 awk 代码将我的输入转换为我想要的输出吗?