在bash中按列名剪切列答案

【问题标题】：Cut column by column name in bash在bash中按列名剪切列
【发布时间】：2023-04-05 11:38:01
【问题描述】：

我想按名称指定一列（即102），找到该列的位置，然后使用cut -5,7- 之类的东西和找到的位置删除指定的列。

这是我的文件头 (delim = "\t")：

#CHROM  POS 1   100 101 102 103 107 108

【问题讨论】：

标签： bash

【解决方案1】：

这个 awk 应该可以工作：

awk -F'\t' -v c="102" 'NR==1{for (i=1; i<=NF; i++) if ($i==c){p=i; break}; next} {print $p}' file

【讨论】：

OP 想要删除该列而不是打印它。
在没有看到预期输出的情况下很难理解需求。 cut -d' ' -f1 命令通常只打印单列。
这个 oneliner 对我很有帮助，我只想按名称提取字段。也许 SO 上的其他人要求解决这个不同的问题。

【解决方案2】：

这是一种可能的解决方案，没有只删除一列的限制。它被编写为 bash 函数，其中第一个参数是文件名，其余参数是要排除的列。

rmcol() {
  local file=$1
  shift
  cut -f$(head -n1 "$file" | tr \\t \\n | grep -vFxn "${@/#/-e}" |
          cut -d: -f1 | paste -sd,) "$file"
}

如果您想选择而不是排除命名列，请将-vFxn 更改为-Fxn。

这几乎肯定需要某种解释。该函数的前两行只是从参数中删除文件名并将其存储以供以后使用。然后cut 命令将选择适当的列；列号是使用以下复杂管道计算的：

head -n1 "$file" |  # Take the first line of the file
tr \\t \\n       |  # Change all the tabs to newlines [ Note 1]
grep                # Select all lines (i.e. column names) which
     -v             #   don't match
       F            #   the literal string
        x           #   which is the complete line
         n          #   and include the line number in the output
     "${@/#/-e}" |  # Put -e at the beginning of each command line argument,
                    #   converting the arguments into grep pattern arguments (-e)
cut -d: -f1      |  # Select only the line number from that matches
paste -sd,          # Paste together all the line numbers, separated with commas.

【讨论】：

当您想删除而不是保留列时，为什么不询问cut 到--complement 您的选择？
@DouwevanderLeest：这也有效，至少在 Gnu cut 中是这样。我不认为 BSD cut 有这个选项。但是删除v 很容易:-)

【解决方案3】：

在 bash 中使用 for 循环：

C=1; for i in $(head file -n 1) ; do if [ $i == "102" ] ; then break ; else C=$(( $C + 1 )) ; fi ; done ; echo $C

还有一个完整的脚本

C=1
for i in $(head in_file -n 1) ; do
    echo $i
    if [ $i == "102" ] ; then
        break ;
    else
        echo $C
        C=$(( $C + 1 ))
    fi
done
cut -f1-$(($C-1)),$(($C+1))- in_file

【讨论】：

我认为 $i == "102" 应该是 $i = "102". ==` 给我这样的错误：stackoverflow.com/questions/2011160/unexpected-operator-error
正确，这是 POSIX。
使用 bash，您可以简单地使用 (( C++ )) 代替 C=$(( $C + 1 ))，甚至可以。 echo $(( C++ )) 作为单个操作。
是否有一种简单的方法可以为多个列执行此操作？
在 bash 4.x 中，是的，有这么简单的方法——你可以创建一个列名到位置的关联数组。

【解决方案4】：

在不循环列的情况下尝试解决方案，我得到：

#!/bin/bash
pick="$1"
titles="pos 1 100 102 105"

tmp=" $titles "
tmp="${tmp%% $pick* }"
tmp=($tmp)

echo "column ${#tmp[@]}"

如果找不到列名，则会错误地报告最后一列。

【讨论】：

【解决方案5】：

试试这个小的 awk 实用程序来剪切特定的标题 - https://github.com/rohitprajapati/toyeca-cutter

示例用法 -

awk -f toyeca-cutter.awk -v c="col1, col2, col3, col4" my_file.csv

【讨论】：