使用 grep 提取列

Question

我有一个包含 >100 列的数据框，每列都标有唯一的字符串。第 1 列代表索引变量。我想使用一个基本的 UNIX 命令来提取索引列 (column 1) + 使用grep 的特定列字符串。

例如，如果我的数据框如下所示：

Index  A  B  C...D  E  F
p1     1  7  4   2  5  6
p2     2  2  1   2  .  3
p3     3  3  1   5  6  1

我想使用一些命令仅提取我将使用grep 指定的列“X”，并显示第 1 列和我grep'd 的列。我知道我可以将cut -f1 myfile 用于第一位，但在每列grep 方面需要帮助。作为一个更具体的例子，如果我的grep 短语是“B”，我希望输出是：

Index  B
p1     7
p2     2
p3     3

我是 UNIX 新手，在类似示例中没有发现太多。任何帮助将不胜感激！

Answer 1

如果您想保留第一列和第一行中包含特定字符串的列（例如B），那么这应该可以。它假定您的字符串只出现一次。

awk '{if(NR==1){c=0;for(i=1;i<=NF;i++){c++;if($i=="B"){n=c}}}; print $1,$n}' myfile.txt

可能有一个更好的解决方案，具有惊人的 awk，但这应该可以工作。

解释：在第一行 (NR==1) 中，它遍历所有列 for(i=1;i

Answer 2

先弄清楚找到列号的命令。

columnname=C
sed -n "1 s/${columnname}.*//p" datafile | sed 's/[^\t*]//g' | wc -c

知道数字后，使用 cut

cut -f1,3 < datafile 

合并成一个命令

cut -f1,$(sed -n "1 s/${columnname}.*//p" datafile | 
   sed 's/[^\t*]//g' | wc -c) < datafile

完成了吗？不，当一个标题可以是另一个标题的子字符串时，您应该改进第一个 sed 命令：在匹配中包含制表符并将制表符放回替换字符串中。

Answer 3

你需要使用awk：

awk '{print $1,$3}' <namefile>

这个简单的命令允许打印文件的第一 ($1) 和第三 ($3) 列。软件 awk 实际上要强大得多。我认为你应该看看 awk 的手册页。

一个不错的组合是使用带有管道的 grep 和 awk。以下代码将仅打印文件中包含“p1”的行的第 1 列和第 3 列：

grep 'p1' <namefile> | awk '{print $1,$3}'

如果您想按行号选择行，则可以将 grep 替换为 sed：

sed 1p <namefile> | awk '{print $1,$3}'

其实awk在所有例子中都可以单独使用：

awk '/p1/{print $1,$3}' <namefile> # will print only lines containing p1
awk '{if(NR == 1){print $1,$3}}' <namefile> # Will print only first line