Bash unix按其关联的最大值对组进行排序？

假设我有一个输入文件

49142202.txt

：

A   5
B   6
C   3
A   4
B   2
C   1

是否可以按第2列中的值对第1列中的组进行排序？所需的输出如下所示：

B   6 <-- B group at the top, because 6 is larger than 5 and 3
B   2 <-- 2 less than 6
A   5 <-- A group in the middle, because 5 is smaller than 6 and larger than 3
A   4 <-- 4 less than 5
C   3 <-- C group at the bottom, because 3 is smaller than 6 and 5
C   1 <-- 1 less than 3

按第1列排序的

join

的第二个输入是：

A   5
A   4
B   6
B   2
C   3
C   1

join

的输出为：

A   2   5
A   2   4
B   1   6
B   1   2
C   3   3
C   3   1

然后按列2中的

nl

行号对其进行排序，然后原始输入列1和3保留为

cut

---

我知道用Python的熊猫（pandas of Python）可以轻松得多，但是有没有更优雅的方法来做到这一点，同时坚持使用诸如、、和？我最好避免使用内存效率低下的

awk

解决方案，但也请分享这些解决方案。谢谢

因此，这并不适用于所有情况，但是如果第一列中的值可以转换为bash变量，那么我们可以使用动态命名的数组来实现这一点，而不是使用一组联接。应该很快

第一个while块读入文件的内容，获取前两个空格分隔的字符串，并将它们放入

col1

和

col2

中。然后，我们创建一系列名为

ARR_a

和

ARR_B

的数组，其中

a

和

B

是第1列中的值（但仅当

$col1

仅包含可以在bash变量名中使用的字符时）。该数组包含与这些第1列值关联的第2列值

我使用你的奇妙排序链来获得我们希望列1的值打印出来的顺序，我们只是循环遍历它们，然后对每个列1数组的值进行排序，并回显列1和列2

dynamc变量位可能很难遵循，但对于第1列中的正确值，它将起作用。同样，如果第1列中有任何字符不能作为bash变量名的一部分，则此解决方案将不起作用

file=./49142202.txt

while read col1 col2 extra
do
  if [[ "$col1" =~ ^[a-zA-Z0-9_]+$ ]]
  then
    eval 'ARR_'${col1}'+=("'${col2}'")'
  else
    echo "Bad character detected in Column 1:  '$col1'"
    exit 1
  fi
done < "$file"

sort -k2nr,2 "$file" | sort --stable -k1,1 -u | sort -k2nr,2 | while read col1 extra
do 
  for col2 in $(eval 'printf "%s\n" "${ARR_'${col1}'[@]}"' | sort -r)
  do
    echo $col1 $col2
  done
done 

---

如注释中所述，我的解决方案试图减少

管道

、不必要的

cat

命令的数量，尤其是管道

排序

操作的数量，因为排序是一项复杂/耗时的操作：

join -t$'\t' -1 2 -2 1 \
 <(cat 49142202.txt | sort -k2nr,2 | sort --stable -k1,1 -u | sort -k2nr,2 \
  | cut -f1 | nl | tr -d " " | sort -k2,2) \
 <(cat 49142202.txt | sort -k1,1 -k2nr,2) \
| sort --stable -k2n,2 | cut -f1,3

我找到了以下解决方案，

f\u grp\u sort

是输入文件：

for elem in $(sort -k2nr f_grp_sort | awk '!seen[$1]++{print $1}')
do 
   grep $elem <(sort -k2nr f_grp_sort) 
done

解释：

sort-k2nr f_grp_sort

将生成以下输出：

B       6
A       5
A       4
C       3
B       2
C       1

和

sort-k2nr f_grp_sort | awk'！已看到[$1]+{print$1}'

将生成输出：

B
A
C

awk

只会以相同的顺序生成临时输出第一列的1个唯一元素

---

然后，$（…）中的元素的

，请执行grep$elem非常感谢@JeffBreadner和@Allan！我提出了另一个解决方案，它与我的第一个解决方案非常相似，但提供了更多的控制，因为它允许更容易地嵌套for循环：

for x in $(sort -k2nr,2 $file | sort --stable -k1,1 -u | sort -k2nr,2 | cut -f1); do
 awk -v x=$x '$1==x' $file | sort -k2nr,2
done

在我有时间评估您的解决方案的时间和内存性能之前，如果我不接受您的任何一个答案，您介意吗？否则我可能会选择@Allan的
awk
解决方案。
顺便说一句，因为你谈论的是性能：
cat 49142202.txt | sort-k2nr，2
是做你认为你正在做的事情的非常糟糕的方式->你根本不需要猫。在两个命令中！！！还要注意，使用许多管道和运行许多进程并不是免费的，您必须考虑进程之间的所有切换成本！最后但并非最不重要的一点是，管道化所有
排序
命令将大大降低长文件的执行速度@艾伦：好点！我同意！嘿，到底什么是对你最好的解决方案？@Allan工作有点忙，我要到下周末才有时间评估。我很高兴接受你的回答。让我知道您喜欢什么。在进行一些测试时，我的解决方案将消除重复项，这可能是您不想要的（与其他解决方案相比，它非常复杂）。由tommy.carstensen和Allan提出的解决方案运行的时间几乎相同。如果你是唯一一个看到或维护代码的人，那么你编写的代码总是更受支持的，但是如果其他人会使用此代码，我建议使用Allan提供的解决方案，因为它在我看来更优雅。谢谢tommy.carstensen写了一个好的有趣的问题：D
B       6
A       5
A       4
C       3
B       2
C       1

B
A
C

$ sort -k2nr f_grp_sort > tmp_sorted_file && for elem in $(awk '!seen[$1]++{print $1}' tmp_sorted_file); do grep $elem tmp_sorted_file; done && rm tmp_sorted_file

for x in $(sort -k2nr,2 $file | sort --stable -k1,1 -u | sort -k2nr,2 | cut -f1); do
 awk -v x=$x '$1==x' $file | sort -k2nr,2
done