〜区切り記号の値を含むテキストファイルがあります。最初の4列はキー列であるため、5列目の値に基づいて抽出する必要があります。ファイルは次のようになります。
S1~D1~1~1~abc
S1~D1~1~1~bef
S2~D1~1~2~xyz
S2~D1~1~2~mnp
出力は次のようにする必要があります
S1~D1~1~1~abcbef
S2~D1~1~2~xyzmnp
最後の列には改行文字がある場合がありますが、2 行を正しくマージするには削除する必要があります。
答え1
awk '
BEGIN{OFS = FS = "~"}
{x = $5; NF--; a[$0] = a[$0] x; next}
END{for(i in a) print i, a[i]}
' file
S1~D1~1~1~abcbef
S2~D1~1~2~xyzmnp
答え2
PandasでPythonを使用できる場合:
#!/usr/bin/python3
# combine_by_keys.py
# Take input file with tilde-delimited keys and combine strings with exact key
# match.
#
# ./combine.py myfile.txt
#
import pandas as pd
import re
import sys
filename = sys.argv[1]
# Read keys and strings into lists.
keys = list()
strings = list()
with open(filename) as f:
for line in f.readlines():
key, string = line.strip().rsplit('~', 1)
keys.append(key)
strings.append(string)
print(re.sub(
r'\ +', # Pandas separates index and values with spaces.
'~', # Replace spaces with tilde.
pd.DataFrame({'keys':keys,'strings':strings})
.groupby('keys')['strings']
.apply(lambda x:''.join(x))
.to_string(header=False)))
このようなデータファイルに使用してください。
$ cat myfile.txt
S1~D1~1~1~abc
S1~D1~1~1~bef
S2~D1~1~2~xyz
S2~D1~1~2~mnp
$ ./combine_by_keys.py myfile.txt
S1~D1~1~1~abcbef
S2~D1~1~2~xyzmnp