awk：根据给定列的前 3 个不同值选择行答案

【问题标题】：awk: Selecting rows based on the first 3 different values of a given columnawk：根据给定列的前 3 个不同值选择行
【发布时间】：2016-03-16 03:45:20
【问题描述】：

我想读取 fileIn.txt（逗号分隔）并输出 fileOut.txt，其中仅包含与给定列的前 3 个不同值匹配的行。例如，我的输入文件如下所示：

fileIn.txt
#location,day,time
home,mon,01:00
office,mon,06:00
home,mon,10:00
office,tues,03:00
home,wed,08:00
home,wed,11:00
home,thurs,02:00
home,fri,01:00
diner,fri,07:00
party,fri,09:00
home,sat,02:00
mall,sat,06:00
home,sat,09:00
beach,sun,01:00

我只想选择前 3 天不同的行，以便我的输出文件如下所示：

fileOut.txt
#location,day,time
home,mon,01:00
office,mon,06:00
home,mon,10:00
office,tues,03:00
home,wed,08:00
home,wed,11:00

【问题讨论】：

可以假设输入文件已经排序了吗？
是的，你可以假设。

标签： linux unix awk gawk

【解决方案1】：

您的问题有点令人困惑。但是，如果我理解正确，您想打印出与脚本在文件中找到的前 3 个不同值中的任何一个匹配的一周中某一天的任何行。你可以像这样用 awk 做到这一点

BEGIN { FS="," }

{
    if(dayCount < 3 && !($2 in days)) { days[$2] = 1; ++dayCount }
    if ($2 in days) { print }
}

【讨论】：

【解决方案2】：

awk 来救援！以更惯用的形式包括标题。

$ awk -F, 'NR==1{c[$2]} length(c)<4{c[$2]} $2 in c' file

#location,day,time
home,mon,01:00
office,mon,06:00
home,mon,10:00
office,tues,03:00
home,wed,08:00
home,wed,11:00

解释：第一个块用第一行值初始化数组，因为在初始化之前无法检查数组的长度。数组 c 包含不同的 $2 字段，我们不断添加直到第二个块中的大小达到 4（即，带有标题将有 4 个不同的值）。在最后一个块中，检查该行是否是不同的值之一并打印（作为默认操作）。

我不想让它更神秘，但你可以合并前两个块，因为动作是相同的

$ awk -F, 'NR==1 || length(c)<4 {c[$2]} $2 in c' file

在为NR==1 初始化之前不评估长度取决于短路的逻辑操作。

【讨论】：

你这个巫师......你能为我们这些新手破译吗？
哇，是的，请。 . .

【解决方案3】：

awk -F, '
    /^#/            {print; next}   # keep comments
    ++seen[$2] == 1 {count++}       # incr counter the first time value is seen
    count > 3       {exit}          # quit if we have seen 4 values
                    {print}         # otherwise print this line
' file

【讨论】：