前置き
勉強のためにrubyで言語処理100本ノックをなるべく答えを見ずにやってみる・・・!の二章目です。
言語処理100本ノック 2015
http://www.cl.ecei.tohoku.ac.jp/nlp100/
言語処理100本ノックは,実践的な課題に取り組みながら,プログラミング,データ分析,研究のスキルを楽しく習得することを目指した問題集です
Gist
rubyで言語処理100本ノック · GitHub ※作業用のGistです、アドバイス等頂けるとありがたいです(´;ω;`)
第2章: UNIXコマンドの基礎
hightemp.txtは,日本の最高気温の記録を「都道府県」「地点」「℃」「日」のタブ区切り形式で格納したファイルである.以下の処理を行うプログラムを作成し,hightemp.txtを入力ファイルとして実行せよ.さらに,同様の処理をUNIXコマンドでも実行し,プログラムの実行結果を確認せよ.
10. 行数のカウント
Q.行数をカウントせよ.確認にはwcコマンドを用いよ.
A.count
を使用してファイルの行数を出力した。
p File.open("highttemp.txt", "r").count
11. タブをスペースに置換
Q.タブ1文字につきスペース1文字に置換せよ.確認にはsedコマンド,trコマンド,もしくはexpandコマンドを用いよ.
A.buffer
にファイルの中身をgsub
でタブを半角スペースに置換したものを格納し、それでファイルの上書きを行った。
file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") buffer = file.read.gsub("\t"," ") file = File.open("highttemp.txt", "w", encoding: 'Shift_JIS') file.write(buffer) file.close
12. 1列目をcol1.txtに,2列目をcol2.txtに保存
Q.各行の1列目だけを抜き出したものをcol1.txtに,2列目だけを抜き出したものをcol2.txtとしてファイルに保存せよ.確認にはcutコマンドを用いよ.
A.ファイルの内容をsplit
で配列[高知県,江川崎,41,2013-08-12]
に変換し、1列目だけ取得したものをcol1
、2列目だけ取得したものをcol2
に保存し、それぞれの内容でファイルを作成、上書きするようにした。
file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") buffer = [] file.each{ |row| buffer << row.encode(Encoding::UTF_8).split(" ") } col1,col2 = buffer.map{ |r| r[0] }, buffer.map{ |r| r[1] } File.open("./col1.txt", "w"){ |file| file.puts col1 } File.open("./col2.txt", "w"){ |file| file.puts col2 }
13. col1.txtとcol2.txtをマージ
Q.12で作ったcol1.txtとcol2.txtを結合し,元のファイルの1列目と2列目をタブ区切りで並べたテキストファイルを作成せよ.確認にはpasteコマンドを用いよ.
A.col1.txt
,col2.txt
を読み込んだ結果を改行区切りで配列にし、buffer
に[ col1[i], col2[i] ]
の形式で格納。その後、buffer
の各要素をjoin("\t")
でタブで結合し、ファイルに書き込みを行った。
col1 = File.open("./col1.txt", "r").read.split("\n") col2 = File.open("./col2.txt", "r").read.split("\n") buffer = [] col1.length.times{ |i| buffer << [ col1[i], col2[i] ] } buffer = buffer.map{|b| p b.join("\t")} File.open("./col1_col2.txt", "w"){ |file| file.puts buffer }
14. 先頭からN行を出力
Q.自然数Nをコマンドライン引数などの手段で受け取り,入力のうち先頭のN行だけを表示せよ.確認にはheadコマンドを用いよ.
A.STDIN.gets.to_i
で標準入力をIntgerに変換し取得。その後、入力値の数だけファイルの行をfile.gets.encode(Encoding::UTF_8)
で出力した。
cnt = STDIN.gets.to_i file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") cnt.times{ |i| p file.gets.encode(Encoding::UTF_8) }
15. 末尾のN行を出力
Q.自然数Nをコマンドライン引数などの手段で受け取り,入力のうち末尾のN行だけを表示せよ.確認にはtailコマンドを用いよ.
A.STDIN.gets.to_i
で標準入力をIntgerに変換し取得。その後、ファイルの内容をbuffer
に格納し、入力値の数だけ末尾から出力buffer.pop
した。
cnt = STDIN.gets.to_i buffer = [] file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") file.each{ |row| buffer << row.encode(Encoding::UTF_8) } cnt.times{ |i| p buffer.pop }
16. ファイルをN分割する
Q.自然数Nをコマンドライン引数などの手段で受け取り,入力のファイルを行単位でN分割せよ.同様の処理をsplitコマンドで実現せよ.
A.STDIN.gets.to_i
で標準入力をIntgerに変換し取得。ファイルの内容をbuffer
に格納し、Array.shift
を使いたかったので、現在の要素数をfile_length
に保存。その後、入力値の回数分ファイルhighttemp_#{i}.txt
を作成し、各ファイルにファイルの行数 / 入力値分だけbuffer.shift
で書き込むようにした。また最後のファイルには、余りの行を全て書き込む仕様としました。
cnt = STDIN.gets.to_i buffer = [] file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") file.each{ |row| buffer << row.encode(Encoding::UTF_8) } file_length = buffer.length cnt.times do |i| File.open("highttemp_#{i}.txt","w") do |file| (file_length / cnt).times{ file.puts buffer.shift } buffer.each{ |b| file.puts b } if i + 1 == cnt end end
17. 1列目の文字列の異なり
Q.1列目の文字列の種類(異なる文字列の集合)を求めよ.確認にはsort, uniqコマンドを用いよ.
A.buffer.map{ |row| row.split(" ")[0] }
でファイルの1列目だけの配列を作成し、uniq
で要素を一意にした。
buffer = [] file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") file.each{ |row| buffer << row.encode(Encoding::UTF_8) } p buffer.map{ |row| row.split(" ")[0] }.uniq
18. 各行を3コラム目の数値の降順にソート
Q.各行を3コラム目の数値の逆順で整列せよ(注意: 各行の内容は変更せずに並び替えよ).確認にはsortコマンドを用いよ(この問題はコマンドで実行した時の結果と合わなくてもよい).
A.buffer.map{ |row| row.split(" ") }
でファイルの内容を配列に格納し、sort{ |a, b| a[2] <=> b[2] }.reverse
で3列目(気温)の降順で並べ替えた。
buffer = [] file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") file.each{ |row| buffer << row.encode(Encoding::UTF_8) } p buffer.map{ |row| row.split(" ") }.sort{ |a, b| a[2] <=> b[2] }.reverse
19. 各行の1コラム目の文字列の出現頻度を求め,出現頻度の高い順に並べる
Q.各行の1列目の文字列の出現頻度を求め,その高い順に並べて表示せよ.確認にはcut, uniq, sortコマンドを用いよ.
A.buffer.map{ |row| row.split(" ")[0] }
で1列名(県名)のみの配列を作成し、 buffer.map{|row| [row,buffer.count(row)] }
で県名と出現数を持つを作成、その後uniq
で一意とし、sort{ |a, b| a[1] <=> b[1] }.reverse
で出現数の降順に並び替えた。
buffer = [] file = File.open("highttemp.txt", "r", encoding: "Shift_JIS") file.each{ |row| buffer << row.encode(Encoding::UTF_8) } buffer = buffer.map{ |row| row.split(" ")[0] } p buffer.map{|row| [row,buffer.count(row)] }.uniq.sort{ |a, b| a[1] <=> b[1] }.reverse