☰

別の列の最も早い日付に基づいてIDごとに1つのレコードのみを選択するにはどうすればよいですか？

tag-icon • tag-icon text-processing command-line
別の列の最も早い日付に基づいてIDごとに1つのレコードのみを選択するにはどうすればよいですか？

次のフィールドで構成される複数行を含むファイルがあります。商標:

ID Code Date
1  XX   23/1/2018
1  XX   11/3/2021
2  XX   14/5/2011
2  XX   20/9/2013
3  XX   08/7/2014
3  XX   11/9/2016
3  XX   27/10/2018

ID列の日付が最も早い項目に基づいて各参加者の項目を維持したいと思いますDate。各参加者の日付は、早いものから遅いものの順にソートされます。

私が望む出力は次のとおりです。

1  XX   23/1/2018
2  XX   14/5/2011
3  XX   08/7/2014

ベストアンサー1

各参加者の記録は、最も古いものから最新の順に並べられており、各参加者に対して最も早い日付の記録のみを印刷したいので、IDこれはそれぞれの新しい出会いの最初の記録を印刷するのと同じですID。これは以下を使用して簡単に達成できますawk。

awk -F'\t' 'FNR>1 && !seen[$1]++' input.txt

これにより、まずフィールド区切り記号がに設定されます\t。次に、間の条件を評価して、' ... '現在の行を印刷するかどうかを決定します。次の場合、1行が印刷されます。

  • 1より大きいファイルあたりのラインカウンタ（ヘッダラインをスキップするため）、そして
  • 配列には、最初の列（）の現在の値のエントリはseenまだ含まれていません。$1まだ割り当てられていない配列の値を逆参照すると評価されますfalse。また、後続演算子は++その評価後にのみ適用されるため、特定の最初の発生に対しては true を返しますが、0 より大きいID後続の発生については返し、行印刷を抑制します。seen[$1]false

ヘッダー行を維持するには、FNR>1条件を削除するだけです。

awk -F'\t' '!seen[$1]++' input.txt

ID（この行のために印刷されます。文字通り IDもちろん、その特定の値が最初に表示される場合です。 )

おすすめ記事