私は数十億行のデータを含むリストに取り組んでいます。
次のデータがあります。
ご覧のとおり、4番目の列（遺伝子列）には遺伝子名がありますが、すべての行に「遺伝子名」があるわけではありません。 4番目の列で「遺伝子名」の完全なリストを取得する必要があります。
必要なものをどのように取得できますか？
ベストアンサー1
次の1行を試してください。
cut -f4 in.tsv | tail -n +2 | grep -P '\S'
詳細：：
cut -f4 in.tsv入力ファイルのタブで区切られた4番目の列を出力しますin.tsv。
tail -n +2：最初の行（タイトル）を削除します。
grep -P '\S'：空白以外の文字を含む行のみを保持します。つまり、空行を削除します。 Perl正規表現を使用するように -P教えてください。grep
一意の遺伝子名だけが必要な場合は、sort -u次のように追加してください。
cut -f4 in.tsv | tail -n +2 | grep -P '\S' | sort -u