如何快速求和文件中的所有数字？

我有一个包含数千个数字的文件，每个数字都在自己的行上：

34
42
11
6
2
99
...

我正在寻找一个脚本，它将打印文件中所有数字的总和。我有一个解决方案，但是效率不是很高。（运行需要几分钟。）我正在寻找一种更有效的解决方案。有什么建议？

对于Perl一线软件，它基本上与Ayman Hourieh的答案中的awk解决方案相同：

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

如果您对Perl单一代码的用途感到好奇，则可以贬低它们：

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

结果是该程序的更详细的版本，其形式是没有人可以自己编写的：

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

仅出于傻笑，我尝试了使用包含1,000,000个数字（范围为0-9,999）的文件进行此操作。在我的Mac Pro上，它几乎立即返回。太糟糕了，因为我希望使用起来mmap会很快，但这是同时的：

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

map_file my $map, $ARGV[0];

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

say $sum;

您可以使用awk：

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

到目前为止，没有一种解决方案可以使用paste。这是一个：

paste -sd+ filename | bc

例如，计算Σn，其中1 <= n <= 100000：

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

（出于好奇，seq n可以打印从1到n给定正数的数字序列n。）

只是为了好玩，让我们对其进行基准测试：

$ 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

5分钟后我放弃了sed运行

我一直在潜水 a，而且速度很快：

$ 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

当我更新它时，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

注意埃德·莫顿的建议：使用 $1

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

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

与使用 $0

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

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

另一种选择是使用jq：

$ seq 10|jq -s add
55

-s（--slurp）将输入行读入数组。

这是直接的Bash：

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

这是另一条线

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

假设数字是整数。如果您需要小数，请尝试

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

将2调整为所需的小数位数。

我更喜欢将GNU datamash用于此类任务，因为它比perl或awk更简洁明了。例如

datamash sum 1 < myfile

其中1表示数据的第一列。

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

我更喜欢使用R：

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

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

（与brian d Foy的答案相同，但不带“ END”）

更简洁：

# 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

只是为了好玩，让我们用Perl的数组数学引擎PDL来做吧！

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

rcols将列读入矩阵（在这种情况下为1D），并且sum（惊奇）将矩阵的所有元素求和。

这是使用带有生成器表达式的python的解决方案。在我的老旧笔记本电脑上测试了100万个数字。

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

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

我不能只是路过...这是我的Haskell一线客。它实际上很可读：

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

不幸的是，不能ghci -e只运行它，因此它需要主要功能，打印和编译。

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

为了清楚起见，我们读取了整个输入（getContents），将其除以lines，分别read为数字和sum。<$>是fmap操作员-我们使用它而不是通常的函数应用程序，因为确保所有这些操作都在IO中发生。read需要一个额外的fmap，因为它也在列表中。

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

这是一个奇怪的升级，使其可以与浮点数一起使用：

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

运行R脚本

我已经编写了一个R脚本来接受文件名的参数并对行进行求和。

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

可以使用“ data.table”或“ vroom”包来加速，如下所示：

#! /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))

标杆管理

与@glenn jackman相同的基准数据。

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

与上面的R调用相比，将R 3.5.0作为脚本运行与其他方法（在同一Linux Debian服务器上）相当。

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

具有readLines的R脚本

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

带有data.table的R脚本

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

带vroom的R脚本

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

与其他语言的比较

作为参考，作为在相同硬件上建议的其他一些方法

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

红宝石（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版本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

使用其他语言进行更新

卢阿（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）必须以bash计时，与zsh不兼容

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

sed（4.4）必须以bash计时，与zsh不兼容

$  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

注意：sed调用在具有更多可用内存的系统上似乎工作更快（请注意，用于sed基准测试的数据集较小）

朱莉娅（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

注意，与R中一样，文件I / O方法具有不同的性能。

C ++“单线”：

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

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

另一个很有趣

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

或仅另一个bash

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

但是awk解决方案可能是最好的，因为它最紧凑。

C总是以速度取胜：

#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;
}

1M数字的计时（与我的python答案相同的机器/输入）：

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

使用Ruby：

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

考虑到您需要通读整个文件，我不知道您是否可以做得更好。

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

我没有测试过，但它应该可以工作：

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

如果bc不处理EOF和EOL，则可能必须在bc之前的字符串中添加“ \ n”（例如通过echo）。

这是另一个：

open(FIL, "a.txt");

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

close(FIL);

print "Sum = $sum\n";

您可以使用Alacon - Alasql数据库的命令行实用程序来完成此操作。

它与Node.js一起使用，因此您需要先安装Node.js，然后再安装Alasql软件包：

要从TXT文件计算总和，可以使用以下命令：

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

将所有新行替换为+，添加a 0并将其发送给Ruby解释器并不容易吗？

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

如果没有irb，则可以将其发送给bc，但是您必须删除除最后一行（echo）外的所有换行符。最好使用tr此方法，除非您拥有博士学位sed。

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

在Go中：

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)
}

重击变种

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

$ wc -l file
10000 file

$ time ./test
323390

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

在使用awk的shell中，我使用下面的脚本来这样做：

    #!/bin/bash


total=0;

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