从列中获取最大值并提取至少包含该值 20% 的所有行

从列中获取最大值并提取至少包含该值 20% 的所有行

我想找到B列的最大值保留 B 列值等于或大于最大值 20% 的所有行。

输入数据

A B C D E
2 79 56 SD L
1 09 67 JK S
9 60 37 KD G
0 10 47 SO E

期望的输出

A B C D E
2 79 56 SD L
9 60 37 KD G

我尝试过使用awk 'BEGIN {max = 0} {if ($2>max) max=$2} END {if ($2 >= (0.1*max)) print}' file_in > file_out,但这只会打印出文件的最后一行。

答案1

您需要将所有行保存在数组中,以便能够在END{ }.或者,扫描文件两次。因此,保存所有值和行:

awk 'NR == 1 {header=$0; next}            # save the header            
  { lines[NR]  = $0; values[NR] = $2;     # save the line and 2nd field
    if ($2 > max) max = $2; }             # update max

  END { print header;                     # in the end, print the header
        for (i = 1 ; i <= NR ; i++)  {    # (we skipped line 0)
          if (values[i] >= max * 0.2)     # print lines where $2 was high enough
            print lines[i]; } } ' file_in 

答案2

磨坊主

1)漂亮打印数据:

$> mlr --from data --ipprint --otsv cat
A   B   C   D   E
2   79  56  SD  L
9   60  37  KD  G

2)将字段的最大值添加B到字段B_max

$> mlr --from data --ipprint --otsv stats1 -a max -f B -s -F
A   B   C   D   E   B_max
2   79  56  SD  L   79.000000
1   09  67  JK  S   79.000000
9   60  37  KD  G   79.000000
0   10  47  SO  E   79.000000

3) 过滤线其中B >= B_max * 0.2

$> mlr --from data --ipprint --otsv stats1 -a max -f B -s -F then filter '$B >= $B_max*0.2'
A   B   C   D   E   B_max
2   79  56  SD  L   79.000000
9   60  37  KD  G   79.000000

4)然后再次cut离开B_max

$> mlr --from data --ipprint --otsv stats1 -a max -f B -s -F then filter '$B >= $B_max*0.2' then cut -x -f B_max
A   B   C   D   E
2   79  56  SD  L
9   60  37  KD  G

相关内容