Bash 做一本字典。。。某种程度上

我在一个以制表符分隔的文件中有以下一组值（此处仅显示部分值…文件有2列）

由于CCNL2的明显值出现了4次，我想要的是，只有列1中重复名称的最高值应该被提取并放入另一个文件中

像这样的

MXRA8   9.9074e-08 
AURKAIP1    0.0000e+00 
CCNL2   2.5311e-07 
LOC148413   2.2558e-07 
MRPL20  0.0000e+00 
LOC441869   0.0000e+00 
TMEM88B 0.0000e+00 

对bashshell脚本的任何建议

或者PERL中的一行程序试试：

awk -F '\t' 'BEGIN { } { if (max[$1] == "" || $2 > max[$1]){ max[$1] = $2 } } END { for (var in max) { print var,"\t",max[var] } } ' tab-limited-data-file

这将打印出第一列中每个值的最大值。

尝试：

awk -F '\t' 'BEGIN { } { if (max[$1] == "" || $2 > max[$1]){ max[$1] = $2 } } END { for (var in max) { print var,"\t",max[var] } } ' tab-limited-data-file

---

这将打印出第一列中每个值的最大值。

根据排序手册页判断，它使用数字排序处理浮点值，但您可能需要对其进行测试：

sort --key=2 --general-numeric-sort --reverse input.txt | sort --key=1,1 --unique

AURKAIP1    0.0000e+00
CCNL2   2.5311e-07
LOC148413   2.2558e-07
LOC441869   0.0000e+00
MRPL20  0.0000e+00
MXRA8   9.9074e-08
TMEM88B 0.0000e+00

---

从排序手册页判断，它使用数字排序处理浮点值，但您可能希望对此进行测试：

sort --key=2 --general-numeric-sort --reverse input.txt | sort --key=1,1 --unique

AURKAIP1    0.0000e+00
CCNL2   2.5311e-07
LOC148413   2.2558e-07
LOC441869   0.0000e+00
MRPL20  0.0000e+00
MXRA8   9.9074e-08
TMEM88B 0.0000e+00

---

您可以先排序，然后使用awk逐行读取文件，只保留最大行。如果重复的行始终按照示例输入中的方式分组，则可以避免排序

sort file | awk -F '\t' 'NR==1{last = $1; max = 0} {if (last != $1) {printf "%s\t%e\n", last, max; last = $1; max = $2} else if (max < $2) max = $2} END{printf "%s\t%e\n", last, max}'

排序文件| awk-F'\t''NR==1{last=$1；max=0}{if（last！=$1）{printf“%s\t%e\n”，last，max；last=$1；max=$2}否则如果（max<$2）max=$2}END{printf“%s\t%e\n”，last，max}

您可以先排序，然后使用awk逐行读取文件，只保留最大行。如果重复的行始终按照示例输入中的方式分组，则可以避免排序

sort file | awk -F '\t' 'NR==1{last = $1; max = 0} {if (last != $1) {printf "%s\t%e\n", last, max; last = $1; max = $2} else if (max < $2) max = $2} END{printf "%s\t%e\n", last, max}'

排序文件| awk-F'\t''NR==1{last=$1；max=0}{if（last！=$1）{printf“%s\t%e\n”，last，max；last=$1；max=$2}否则如果（max<$2）max=$2}END{printf“%s\t%e\n”，last，max}

没有简单的shell脚本会解释python，perl所需的浮点数。没有简单的shell脚本会解释python，perl所需的浮点数。谢谢Arun。来自印度的哪个地区？除了无用的使用

cat

，将为+1。为什么不

awk。。。文件

（保存管道）而不是

cat文件| awk

？@jw013：我有时也会在sed/awk面前用cat写我的答案。这表明输入不需要来自文件。来自印度的哪个地区？除了无用的使用

cat

，将为+1。为什么不

awk。。。文件

（保存管道）而不是

cat文件| awk

？@jw013：我有时也会在sed/awk面前用cat写我的答案。这表明输入不需要来自文件。这很有趣。未经测试就接受了答案。嗯，它不能解释浮点值，至少在这里不能。是的，经过更仔细的检查，我发现了它（@jw013-没错，我在测试时犯了一个错误。

sort-g

对浮点数的排序比我好。：-）嗯，也很好奇。我的排序（GNU版本8.5）明确表示，它的

-n

选项不排序前导

+

或指数表示法。你有什么版本的排序？我有GNU排序v8.5

-n

似乎不处理

+x

表达式，而

-g

处理

echo-e“3.14e-2\n3.15e-5”| sort-g

vs

echo-e“3.14e-2\n3.15e-5”| sort-n

也说明了区别。这很有趣。未经测试就接受了答案。嗯，它不能解释浮点值，至少在这里不能。是的，经过更仔细的检查，我发现了它（@jw013-没错，我在测试时犯了一个错误。

sort-g

对浮点数的排序比我好。：-）嗯，也很好奇。我的排序（GNU版本8.5）明确表示，它的

-n

选项不排序前导

+

或指数表示法。你有什么版本的排序？我有GNU排序v8.5

-n

似乎不处理

+x

表达式，而

-g

处理

echo-e“3.14e-2\n3.15e-5”| sort-g

vs

echo-e“3.14e-2\n3.15e-5”| sort-n

也说明了区别。如果我还有两列数据，我想做同样的事情，但基于第4列中的值。如果我还有两列数据，我想做同样的事情，但基于第4列中的值怎么办。