如何在bash中选择值的子集

Question

我有一个像这样的文件说input.dat

column1 column2
 0       0
 1.3     1.6
 1.8     2.1
 2.0      
 2.6

我需要从第1列中提取最接近第2列的值的子集，以便两列中的条目总数相等。 在这个例子中，我需要获得输出

column1 column2
0      0 
1.8    1.6
2.0    2.1

我怎么能得到这个？

Answer 1

使用bash脚本可以做到这一点，如果这是你的限制，但用Python / C ++ / Java处理这样的问题会更容易，因为这是优化的二分匹配问题的一个版本（你' d如果在脚本中完成，则必须重复读取每一行，或者使用大量辅助变量）

==＆GT;如果我们可以假设两列中的值都被排序和增加，那么一个天真的解决方案就是：

对于第二列中的每个值：

• 按顺序读取第1列中的值，直到col2_value - col1_value的差值从负值变为正值
• 然后找min（abs（negative_difference），positive_difference）并选择对应较小差异的col1_value
• 从col1和col2中删除两个条目并将它们添加到结果表
• 重复此过程，直到原始表格的col2中没有任何内容

这是m * n的最坏情况运行时间，其中m是col1中的＃个条目，n是col2中的＃个条目，o（n）的平均运行时间如果你聪明并且进行恒定时间交替检查（从最后选择的col1_value的索引比较-1，+ 1，因为-2，+ 2等当然会导致更大的差异）而不是顺序的，以找到col2中的当前值和vol1中的值之间的最小差异。

这是一个天真的解决方案，因为它不会最小化系统中的整体差异。最佳解决方案是NP，因此对于大型数据集，您可能做的最好的是使用一种近似图形算法进行匹配。