按特定值选择具有重复列的行答案

【问题标题】：select lines with duplicate columns by a specific value按特定值选择具有重复列的行
【发布时间】：2013-06-22 15:29:21
【问题描述】：

我有这样的输入：

LineA parameter1 parameter2 56  
LineB parameter1 parameter2 87
LineB parameter1 parameter2 56
LineB parameter1 parameter2 90
LineC parameter1 parameter2 40

我想打印每一行，但如果第一列 ($1) 重复，则只打印最后一列 ($4) 中具有最高值的行。

所以输出应该是这样的：

LineA parameter1 parameter2 56
LineB parameter1 parameter2 90
LineC ...

【问题讨论】：

标签： regex perl sed awk pattern-matching

【解决方案1】：

尝试以下操作（假设字段 4 始终 >= 0）

数组b 用于跟踪字段4 中字段1 中唯一值的最大值。数组a（由字段1 键入）包含相应的记录。随着每条记录的处理，记录被添加到数组a，并且字段4被添加到数组b，如果 1. 字段 1 中第一次遇到值或 2. 字段 4 中的值超过了b 中字段 1 中的值的现有值。最后打印出数组a。

 awk '$4 > b[$1] {a[$1] = $0; b[$1] = $4}
 END{for (x in a) {print a[x]}}'

【讨论】：

+1，但您只需要检查$4 > b[$1]} -- 如果尚未看到$1，则b[$1] 将被视为零。更具描述性的变量名称可能会有所帮助。
@user2245731，请注意输出的顺序不保证与输入的顺序相同：awk 关联数组不保留插入顺序。
谢谢，但您能否添加一些代码解释。谢谢:)
@user2245731，添加了一些解释。希望它澄清，描述不是我的强项
我的意思是整个条件只需要$4>b[$1]——你根本不需要!($1 in a)。如果 $1 不在 a 中，则 b[$1] == 0 因此 $4 将大于 b[1]。假设第 4 列中的值都是正数。

【解决方案2】：

GNU 代码awk：

awk 'BEGIN {SUBSEP=OFS} $4>a[$1,$2,$3] {a[$1,$2,$3]=$4} END {for (i in a) {print i,a[i]}}' file

【讨论】：

不可读。试试awk 'BEGIN {SUBSEP=OFS} $4>a[$1,$2,$3] {a[$1,$2,$3]=$4} END {same as what you have}'

【解决方案3】：

awk中的另一种方式：

awk '
fld1!=$1 && NR>1 {print line}
fld1==$1 {line=(fld4>$4)?line:$0;next}
{line=$0;fld1=$1;fld4=$4;next}
END{print line}' file

【讨论】：