Question

如果我们有输入

95 cpd-1 -3.21 ooo
56 cpd-1  1.21 ooo
77 cpd-1  2.2  ooo 
93 cpd-2  2.0  oox
57 cpd-2  1.15 oox
85 cpd-3 -1.32 xxx
67 cpd-3 -2.22 xxx
58 cpd-4  0    oxo
65 cpd-4  1.23 oxo

我们希望根据以下规则将输入分成三个文件：

（1）如果列2中的行相同

（2）将这些行分为三类：第3列是（正面，负面）（正面，正面）（负面，负面）

（3）我们将第3列中的0计为“正”

（4）对于相同的第2列，它们的第1列肯定是不同的

（5）对于相同的第2列，它们的第4列肯定是相同的

我们唯一能想到的是计算减号“ - ”。在（正面，正面），（正面，负面），（负面，负面），没有。相应地减去= 1,2,3并基于此来做类别。

欲望输出是:(不需要打印出来（（正面，正面））等等。

（正，正）

93 cpd-2  2.0  oox
57 cpd-2  1.15 oox
58 cpd-4  0    oxo
65 cpd-4  1.23 oxo

（正，负）

95 cpd-1 -3.21 ooo
56 cpd-1  1.21 ooo
77 cpd-1  2.2  ooo

（负，负）

85 cpd-3 -1.32 xxx
67 cpd-3 -2.22 xxx

我们希望看看是否有任何评论/解决方案或内置bash / awk / python / perl / etc。功能可以做到这一点，我们不知道。谢谢！

Answer 1

我认为您需要执行两阶段过滤器，因为您需要按列2执行初始分组，然后检查第3列的值。初始分组应填充字典，可能是第2列值可能会有很大差异：

grouped_rows = {}
for row in rows:
    second_column = row.split(" ")[1]
    if second_column in grouped_rows:
        grouped_rows[second_column].append(row)
    else:
        grouped_rows[second_column] = [row]

然后，您需要确定给定组中是否存在正值或负值：

def row_value(row):
    return float(row.split(" ")[2])

for rows in grouped_rows.values():
    has_positive = any([ row_value(row) >= 0 for row in rows ])
    has_negative = any([ row_value(row) < 0 for row in rows ])

    if has_positive and not has_negative:
        write_rows(file_1, rows)
    elif has_positive and has_negative:
        write_rows(file_2, rows)
    else:
        write_rows(file_3, rows)

基于3美元和2美元将数据分为三组（正面，负面）（正面，正面）（负面，负面）

1 个答案: