他の2つの列のユニークな組み合わせに基づいて列からグループを抽出する方法

他の2つの列のユニークな組み合わせに基づいて列からグループを抽出する方法

次のデータがあります。

Sample_1    Apples  Red
Sample_2    Apples  Red
Sample_3    Apples  Red
Sample_4    Apples  Red
Sample_5    Apples  Red
Sample_6    Apples  Green
Sample_7    Apples  Green
Sample_8    Apples  Green
Sample_9    Apples  Green
Sample_10   Apples  Green
Sample_11   Apples  Yellow
Sample_12   Apples  Yellow
Sample_13   Apples  Yellow
Sample_14   Apples  Yellow
Sample_15   Apples  Yellow

他の2つの列によって形成されたグループの組み合わせに基づいて、最初の列からサンプルを繰り返し抽出してサンプル1-5、6-10、および11-15を取得するにはどうすればよいですか。

私が最終的に望むのは、サンプルリスト(上記のグループなど)を他のコマンドへの入力として渡すことです。たとえば、次のようになります。

comm -23 <(sort <all_samples.txt>) <(sort <[input from above]>) > <difference.txt>

私は試した:

awk '{print $2"\t"$3}' <file.txt> | uniq

2番目と3番目の列のユニークな組み合わせを得るためには何もできないようです。特に最初の列を引くことはまさに必要です。

答え1

これはあなたがしたいことですか?

$ awk '{vals[$2 FS $3] = vals[$2 FS $3] OFS $1} END{for (key in vals) print key vals[key]}' file
Apples Red Sample_1 Sample_2 Sample_3 Sample_4 Sample_5
Apples Green Sample_6 Sample_7 Sample_8 Sample_9 Sample_10
Apples Yellow Sample_11 Sample_12 Sample_13 Sample_14 Sample_15

それともこれではないだろうか?

$ awk -v fruit='Apples' -v color='Green' '($2==fruit) && ($3==color)' file
Sample_6    Apples  Green
Sample_7    Apples  Green
Sample_8    Apples  Green
Sample_9    Apples  Green
Sample_10   Apples  Green

答え2

以下は、入力を解析し、必要に応じて転置データを出力する単純なgawkスクリプトの例です。

#!/usr/bin/gawk -f

# Checks if type (column 2) or subtype (column 3) are 
# different from previous line.
(type != $2) || (subtype != $3) {
    # Prints the start of a new output line.
    # The NR!=1 check avoids that a new line is 
    # printed on the first line.
    printf("%s%s\t%s\t", (NR!=1)?"\n":"", $2, $3);
    type=$2;
    subtype=$3
}
{
    # Prints all sample (column 1) values on the 
    # current output line.
    printf("\"%s\" ", $1);
}
# prints a new line at the end of file.
END{
    print "";
}

出力はscript.awk < input.lst次のとおりです。script.awk以前のスクリプトはどこにあり、input.lst入力の例は何ですか?

Apples  Red     "Sample_1" "Sample_2" "Sample_3" "Sample_4" "Sample_5" 
Apples  Green   "Sample_6" "Sample_7" "Sample_8" "Sample_9" "Sample_10" 
Apples  Yellow  "Sample_11" "Sample_12" "Sample_13" "Sample_14" "Sample_15" 

スクリプト出力は次のように簡単に操作できます。

script.awk < input.lst | while read TYPE SUBTYPE LIST
do 
    echo $TYPE
    echo $SUBTYPE
    for ITEM in $LIST
    do  
        echo execute some command on $ITEM where type is $TYPE and subtype is $SUBTYPE
    done 
done

このスクリプトは非常に粗雑であることに注意してください。たとえば、エラー処理はなく、スペースや特殊文字の入力を確認しません。

答え3

以下のスクリプトを試してみて、うまくいきました。

for i in "Apples"; do for j in "Red" "Green" "Yellow"; do awk -v i="$i" -v j="$j" 'BEGIN{print "Below are table contains" " " i " and " " " j}$2==i && $NF==j{print $0}' filename; done; done

出力

Below are table contains Apples and  Red
Sample_1    Apples  Red
Sample_2    Apples  Red
Sample_3    Apples  Red
Sample_4    Apples  Red
Sample_5    Apples  Red
Below are table contains Apples and  Green
Sample_6    Apples  Green
Sample_7    Apples  Green
Sample_8    Apples  Green
Sample_9    Apples  Green
Sample_10   Apples  Green
Below are table contains Apples and  Yellow
Sample_11   Apples  Yellow
Sample_12   Apples  Yellow
Sample_13   Apples  Yellow
Sample_14   Apples  Yellow
Sample_15   Apples  Yellow

関連情報