数据分析 交集、并集、差集

在集合论和数学的其他分支中，一组集合的并集（union）是这些集合的所有元素构成的集合，而不包含其他元素。

集合 {1, 2, 3} 和 {2, 3, 4} 的并集是 {1, 2, 3, 4}。数字 9 不属于质数集合 {2, 3, 5, 7, 11, …} 和偶数集合{2, 4, 6, 8, 10, …} 的并集，因为 9 既不是素数，也不是偶数。
更通常的，多个集合的并集可以这样定义：例如，A, B 和 C 的并集含有所有 A 的元素，所有 B 的元素和所有 C 的元素，而没有其他元素。
形式上，x 是 A∪B ∪C 的元素，当且仅当 x ∈A 或 x ∈B 或 x ∈C。

 Linux Shell操作

取两个文本文件的并集、交集、差集
并:
sort -m <(sort file1 | uniq) <(sort file2 | uniq) | uniq
交:
sort -m <(sort file1 | uniq) <(sort file2 | uniq) | uniq -d
差 file1 - file2:
sort -m <(sort file1 | uniq) <(sort file2 | uniq) <(sort file2 | uniq) | uniq -u

 

 

取两个文本文件的并集、交集、差集

file1=XXXX

file2=YYYY

# 并:
sort -m <(sort $file1 | uniq) <(sort $file2 | uniq) | uniq
# 交:
sort -m <(sort $file1 | uniq) <(sort $file2 | uniq) | uniq -d
# 差 file1 - file2:
sort -m <(sort $file1 | uniq) <(sort $file2 | uniq) <(sort $file2 | uniq) | uniq -u

 Linux Shell之sort命令 http://my.oschina.net/yimi88/blog/410622