Question

我有一个包含2列的csv文件，比如

bob,red
bob,red
sam,blue
judy,black
sam,blue
nick,blue
judy,red
sam,blue
nick,red
don,red
judy,blue

在Ubuntu中使用bash我需要一个过滤器，只选择第一列出现多次的行，但在第二列中匹配的值大于“X”。因此，如果“X”= 2，结果将是

judy,black
judy,red
judy,blue
nick,blue
nick,red

或“X”= 3

judy,black
judy,red
judy,blue

Answer 1

您可以使用

sort -u 1.csv

去除重复值。然后，您可以计算第1列值的出现次数：

sort -u 1.csv | cut -f1 -d, | sort | uniq -c | sort -n

现在，您可以使用sed仅选择正确的出现次数：

sort -u 1.csv | cut -f1 -d, | sort | uniq -c | sort -n | sed -n '/ 2 /,$p'

其余部分留给读者练习。

Answer 2

如果您希望输出 @choroba 而不是您在问题中要求的输出，但没有所有额外的管道：

awk -F, -v x=3 '!a[$0]++{c[$1]++}END{for(k in c)if(c[k]>=x)print k,c[k]}' file 
judy 3

awk -F, -v x=2 '!a[$0]++{c[$1]++}END{for(k in c)if(c[k]>=x)print k,c[k]}' file 
judy 3
nick 2

否则就是您实际要求的解决方案：

awk -F, -v x=2 '!a[$0]++{c[$1]++;n[$1]?n[$1]=n[$1]"\n"$0:n[$1]=$0}END{for(k in c)if(c[k]>=x)print n[k]}' file
judy,black
judy,red
judy,blue
nick,blue
nick,red

awk -F, -v x=3 '!a[$0]++{c[$1]++;n[$1]?n[$1]=n[$1]"\n"$0:n[$1]=$0}END{for(k in c)if(c[k]>=x)print n[k]}' file
judy,black
judy,red
judy,blue

过滤txt文件中的列

2 个答案: