分组后统计查询

【问题】

I am trying to select top values in a column based on the variable/field in another column. it is a very large tab delimited file.

Input:

Names col2 col3 col4 
A    A1   def  10 
A    A1   BBB  10 
A    A1   CED  10 
A    A1   fff  7.5 
B    B1   def  7.5 
B    B1   dff  5.5 
B    B1   fff  4.5 
C    C1   ggg  6.5 
C    C3   iii  6.5 
C    C2   hhh  5.0 
C    C4   toi  6.5 
D    D1   xyz  10.0 
D    D2   ikj  7.5 
D    D3   abc  7.5 
...  

Output

Names col2 col3 col4  
A    A1   def  10  
A    A1   BBB  10  
A    A1   CED  10  
B    B1   def  7.5  
C    C1   ggg  6.5  
C    C3   iii  6.5  
C    C4   toi  6.5  
D    D1   xyz  10.0  

Basically, I want all the rows with values 10 and the top values for each of the names in column1. Any inputs to solve this by perl, awk or sed are well appreciated.
Thanks.

【回答】

分组后查询再合并是典型的结构化计算,用Shell实现会相对复杂,用SPL会方便些:

A
1=file("file.txt").import@t()
2=A1.group(Names)
3=A2.((a=~.max(col4),~.select(col4==a|| col4==10)))
4=A3.union()

A1:读取文件file.txt中的内容。

A2:按Names分组。

A3:A2.(…)表示对A2中的每个成员依次计算,(a=~.max(col4),~.select(col4==a|| col4==10)) 表示依次计算括号内的表达式,并返回最后一个表达式的结果。其中a=~.max(col4)表示将每组数据中col4的最大值返回给变量a,~.select(col4==a|| col4==10)表示选择每组中clo4等于a或者10的记录,~.select(col4==a|| col4==10)就是括号运算符要返回的结果。

A4:合并A3。

SPL也可以命令行方式在unix/linux下执行。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值