Sorting 根据值距离打印，但考虑另一列

我有一个巨大的表，有大约200k行和列（制表符分隔）。我想根据$4这个特定列的值来选择它们，这样它们的值的间隔至少为100，但也要考虑到$3列的值。i、 e

id      tag     xxx    position score
id_1    aaaaaaa bbbbb   3190    1
id_2    aaaaaaa bbbbb   3199    1
id_3    aaaaaaa bbbbb   3300    1
id_4    aaaaaaa bbbbb   3350    1
id_5    aaaaaaa ccccc   100    1
id_6    aaaaaaa ccccc   500    1
id_7    aaaaaaa ccccc   550    1
id_8    aaaaaaa ccccc   599    1

要得到这样的东西：

    id      tag     block   position score
    id_1    aaaaaaa bbbbb   3190    1
    id_3    aaaaaaa bbbbb   3300    1
    id_5    aaaaaaa ccccc   100     1
    id_6    aaaaaaa ccccc   500     1

不久前@hek2mgl使用此代码帮助edme根据值之间的距离过滤一个巨大的表

awk 'NR<3; NR==2{pv=$4} NR>2 && ($4-pv>=100){print;pv=$4}' file

awk'NR2&（$4-pv>=100）{print；pv=$4}文件

<>但是，这个代码不考虑3美元，现在我需要考虑避免为每个块创建一个新文件。考虑到$4中的值不是连续的，如果它们不代表相同的块（$3），这可能会有点复杂吗

---

谢谢

如果您想要固定的列大小，为什么不使用简单的printf

spc=10;
while read a b c d e; do
        printf '%-'$spc's %-'$spc's %-'$spc's %-'$spc's %-'$spc's\n' $a $b $c $d $e;
done < file

---

awk

救援！ 只需使用$3限定前面的值

$ awk 'NR<3; NR==2{pv[$3]=$4} NR>2 && ($4-pv[$3]>=100){print;pv[$3]=$4}' file

id      tag     xxx    position score
id_1    aaaaaaa bbbbb   3190    1
id_3    aaaaaaa bbbbb   3300    1
id_5    aaaaaaa ccccc   100    1
id_6    aaaaaaa ccccc   500    1

$awk'NR2&（$4-pv[$3]>=100）{print；pv[$3]=4}文件
id标签xxx位置分数
id_1 AAAAAAAA bbbbb 3190 1
id_3 AAAAA bbbbb 3300 1
id_5 AAAAA ccccc 100 1
id_6 AAAAA ccccc 500 1

---

i、 e.将

pv

更改为

pv[$3]

。您可以通过管道将输出传输到

列-t

，以获得更好的格式，或者将print更改为printf。

至少我不清楚您希望$3如何影响处理。此外，是否可以接受产生文件排序成本（按$3和$4，反之亦然）？3美元上的值表示$4上的值对应的组。许多团体以3美元为基础，价值以4美元为基础。问题是$4上的值不是连续的，这意味着一组可能以1000结束，而另一组可能以100开始。

$ awk 'NR<3; NR==2{pv[$3]=$4} NR>2 && ($4-pv[$3]>=100){print;pv[$3]=$4}' file

id      tag     xxx    position score
id_1    aaaaaaa bbbbb   3190    1
id_3    aaaaaaa bbbbb   3300    1
id_5    aaaaaaa ccccc   100    1
id_6    aaaaaaa ccccc   500    1