linux - 删除重复项并保留包含一列最大值的行 - LINUX

Question

各位!

我想删除重复项并保留具有 4 个字段的文件中的一列(第 4 列)中具有最高值的行。我必须在 Linux 服务器上执行此操作。

之前

gene  subj  e-value ident
  g1    h1    0.05   75.5
  g1    h2    0.03   60.6 
  g2    h7    0.00   80.5
  g2    h9    0.00   50.3
  g2    h4    0.03   90.7
  g3    h5    0.10   30.5
  g3    h8    0.00   76.8
  g4    h11   0.00   80.7

之后

gene  subj  e-value ident
  g1    h1    0.05   75.5
  g2    h4    0.03   90.7
  g3    h8    0.00   76.8
  g4    h11   0.00   80.7

非常感谢，如果我重复提问，我很抱歉!但我没有找到我的问题的答案。

Answer 1

你可以试试这个，如果得到没有标题的输出没有问题的话:

tail -n +2 file.txt | sort -k1,1 -k4,4rn | sort -uk1,1

解释:

tail -n +2 file.txt

将删除 header ，这样它们就不会参与所有排序。

sort -k1,1 -k4,4rn

将首先按第 1 列排序 (-k1,1)，然后按数字倒序按第 4 列排序 (-k4,4rn)

最后:

 sort -uk1,1

将仅考虑第一列来删除重复项。

请注意 -k1,1 表示从第一列到第一列，因此 -k4,4 是从第四列到第四列。调整以适合您的列.