☰

2열 파일에서 고유 값이 처음 나타나는 줄을 어떻게 인쇄합니까?

tag-icon • tag-icon awk uniq
2열 파일에서 고유 값이 처음 나타나는 줄을 어떻게 인쇄합니까?

작업 중인 파일의 작은 조각이 있습니다.

ENSDARG00000032737    ENSDARP00000120731
ENSDARG00000032737    ENSDARP00000049290
ENSDARG00000061051    ENSDARP00000081062
ENSDARG00000061051     
ENSDARG00000061051    ENSDARP00000129708

첫 번째 열에 있는 각 고유 값의 첫 번째 인스턴스와 두 번째 열에 해당 값만 인쇄하고 싶으므로 원하는 출력은 다음과 같습니다.

ENSDARG00000032737    ENSDARP00000120731
ENSDARG00000061051    ENSDARP00000081062

awk나 uniq 또는 이와 유사한 것을 사용하여 이를 수행하는 간단한 방법이 있습니까?

어떤 도움이라도 주시면 감사하겠습니다.

답변1

POSIX AWK:

m1[$1] == 0 {
   m1[$1] = 1
   print
}

각 줄에 대해 다음을 수행합니다.

  1. "데이터베이스"에 첫 번째 열이 있는지 확인하십시오.
  2. 그렇지 않은 경우 "데이터베이스"에 추가하고 전체 줄을 인쇄합니다.

답변2

$ sort -s -k1,1 -u file
ENSDARG00000032737    ENSDARP00000120731
ENSDARG00000061051    ENSDARP00000081062

이렇게 하면 첫 번째 열만 기준으로 파일이 정렬됩니다. 그렇게 하는 동안 첫 번째 열이 이미 표시된 줄은 무시됩니다.

대부분의 구현에는 "안정적인" 정렬 알고리즘을 사용하도록 보장하는 sort비표준 옵션(위 명령에 사용됨)이 있습니다 . -s안정적인 정렬 알고리즘은 동일한 키를 가진 항목(귀하의 경우 첫 번째 열)의 순서를 변경하지 않습니다.

그러나 Ensembl과 Havana 모두 100% 동의하는 더 긴 성적표는 다음과 같습니다.엔스다르그00000032737유전자는 ENSDARP00000049291이며 ENSDARP00000120731이 아니라 ENSDARP00000049290을 코드합니다. 하지만 그것은 실제로 내 일이 아닙니다.

답변3

이 관용적 솔루션은 모든 UNIX 상자의 모든 쉘에서 awk를 사용하여 강력하게 작동합니다.

$ awk '!seen[$1]++' file
ENSDARG00000032737    ENSDARP00000120731
ENSDARG00000061051    ENSDARP00000081062

답변4

내 시도를 게시하는 것만으로 이미 최고의 솔루션이 제공되었습니다.

for i in `awk '{if(!seen[$1]++)print $1}' filename`; do sed -n '/'$i'/{p;q}' filename; done

산출

ENSDARG00000032737    ENSDARP00000120731
ENSDARG00000061051    ENSDARP00000081062

관련 정보