☰

Групповая команда uniq?

tag-icon • tag-icon text-processing awk group uniq
Групповая команда uniq?

Я ищу команду для извлечения из файла в таком формате:

hello 32
hello 67
hi    2
ho    1212
ho    1390
ho    3000

В этом формате (дедубликаты удаляются путем взятия последней строки «группы»):

hello 67
hi    2
ho    3000

На данный момент я использую фрагмент кода Python и pandas:

    df = pd.read_csv(self.input().path, sep='\t', names=('id', 'val'))

    # how to replace this logic with shell commands?
    surface = df.drop_duplicates(cols=('id'), take_last=True)

    with self.output().open('w') as output:
        surface.to_csv(output, sep='\t', cols=('id', 'val'))

Обновление: Спасибо за отличные ответы. Вот некоторые контрольные показатели:

Входной файл имеет размер 246 МБ и содержит 8583313 строк. Порядок не имеет значения. Первый столбец имеет фиксированный размер в 9 символов.

Пример входного файла:

000000027       20131017023259.0        00
000000027       20131017023259.0        11
000000035       20130827104320.0        01
000000035       20130827104320.0        04
000000043       20120127083412.0        01
...

                              time        space complexity

tac .. | sort -k1,1 -u        27.43682s   O(log(n))
Python/Pandas                 11.76063s   O(n)
awk '{c[$1]=$0;} END{for(...  11.72060s   O(n)

Поскольку первый столбец имеет фиксированную длину, uniq -wможно также использовать:

tac {input} | uniq -w 9        3.25484s   O(1)

решение1

Это кажется безумием, и надеюсь, есть лучший способ, но:

tac foo | sort -k 1,1 -u

tacиспользуется для обратного перемещения файла, поэтому вы получаете последний, а не первый файл.

-k 1,1говорит использовать только первое поле для сравнения.

-uделает его уникальным.

решение2

Если вас не смущает порядок вывода, вот awkрешение:

$ awk '
    {a[$1] = !a[$1] ? $2 : a[$1] < $2 ? $2 : a[$1]}
    END {
        for (i in a) { print i,a[i] }
    }
' file
hi 2
hello 67
ho 3000

решение3

Еще несколько вариантов:

  1. perl, если вас не волнует порядок строк.

    perl -lane '$k{$F[0]}=$F[1]; END{print "$_ $k{$_}" for keys(%k)}' file

  2. Более простойawk

    awk '{c[$1]=$0;} END{for(i in c){print c[i]}}' file

  3. Глупая ракушка.

    while read a b; do grep -w ^"$a" file | tail -n1 ; done < file | uniq

решение4

Ну, вы можете сделать это с помощьюsort

sort -u -k1,1 test

РЕДАКТИРОВАТЬ:tac - это решение

Связанный контент