查找第一列的最小值和最大值 - 按第二列分组答案

【问题标题】：Finding minimum and maximum values of the first column - grouped by the second column查找第一列的最小值和最大值 - 按第二列分组
【发布时间】：2013-05-06 14:23:15
【问题描述】：

我在文本文件中有很多未排序的数据，格式如下：

对于第二列中的每个值，我想获取第一列中值的区间。所以对于上面的例子，结果应该是

1.0 1.8 10
1.9 2.9 20

如何使用 c/c++、awk 或其他 linux shell 工具做到这一点？

【问题讨论】：

现在问题应该很清楚了。

标签： linux shell awk

【解决方案1】：

你可以使用这个 awk：

awk '{
        if (!($2 in nmin) || $1<nmin[$2])
            nmin[$2]=$1;
         else if ($1>=nmax[$2])
            nmax[$2]=$1
     }
     END {
        for (a in nmin)
           print nmin[a], nmax[a], a
     }
' inFile

【讨论】：

小修改：{ if (!($2 in nmin) || $1=nmax[$2]) nmax[$2]=$1; } END{ for (a in nmin){ if(!nmax[a]) print nmin[a], nmin[a], a;否则打印 nmin[a], nmax[a], a; } }

【解决方案2】：

这个单线应该适合你：

 awk '!($2 in i){i[$2]=$1}{a[$2]=$1}END{for(x in i)print i[x],a[x],x}' file

输出：

1.0 1.8 10
1.9 2.9 20

【讨论】：

@Dong 仅供参考，它适用于您当前的输入（已经排序）。但是，如果输入尚未排序，则它将不起作用。
对，所以数据应该先排序。

【解决方案3】：

我认为这应该可行：

{ read vStart int &&
while read vNext nextInt; do
  if [ $int -ne $nextInt ]; then
    echo "$vStart $v $int";
    vStart=$vNext;
  fi

  v=$vNext;
  int=$nextInt;
done &&
echo "$vStart $v $int"; }

【讨论】：

@Dong：对，但在原始问题中，输入集已经排序（意外？）

【解决方案4】：

要添加另一种选择，您也可以在 R 中执行此操作：

d.in <- read.table(file = commandArgs(trailingOnly = T)[1]);
write.table(
    aggregate(V1 ~ V2, d.in, function (x) c(min(x),max(x)))[,c(2,1)]
    , row.names = F
    , col.names = F
    , sep = "\t");

然后用Rscript调用这个脚本：

$ Rscript script.R data.txt 
1       1.8     10
1.9     2.9     20

【讨论】：