Question

我有一个包含＆gt; 100列的数据框，每列都标有唯一的字符串。第1列表示索引变量。我想使用基本的UNIX命令来使用grep提取索引列（第1列）+特定的列字符串。

例如，如果我的数据框如下所示：

Index  A  B  C...D  E  F
p1     1  7  4   2  5  6
p2     2  2  1   2  .  3
p3     3  3  1   5  6  1

我想使用一些命令来仅提取列＆＃34; X＆＃34;我将使用GREP指定，并显示第1列和第1列。列我grep＆＃39; d。我知道我可以使用cut -f1 myfile作为第一位，但需要帮助每列grep。作为一个更具体的例子，如果我的grep短语是＆＃34; B＆＃34;，我希望输出为：

Index  B
p1     7
p2     2
p3     3

我是UNIX新手，在类似的例子中找不到多少。任何帮助将不胜感激!!

Answer 1

首先找出查找列号的命令。

columnname=C
sed -n "1 s/${columnname}.*//p" datafile | sed 's/[^\t*]//g' | wc -c

知道号码后，请使用剪切

cut -f1,3 < datafile

合并为一个命令

cut -f1,$(sed -n "1 s/${columnname}.*//p" datafile | 
   sed 's/[^\t*]//g' | wc -c) < datafile

完成了吗？不，当一个标头可以是另一个标头的子字符串时，您应该改进第一个sed命令：在匹配中包含标签并将标签放回替换字符串中。

Answer 2

你需要使用awk：

from subprocess import Popen
import os

def journal():
    with open('Invalid_names_file', 'w') as Invalid_names_file:
        Popen('journalctl -u sshd.service --no-pager --since -168hours\
                --until today | grep Invalid', stdout=Invalid_names_file,\
                universal_newlines=True, bufsize=1, shell=True)
        if os.stat('Invalid_names_file').st_size == 0:
            Popen('journalctl -u ssh.service --no-pager --since -168hours\
                    --until today | grep Invalid', stdout=Invalid_names_file,\
                    universal_newlines=True, bufsize=1, shell=True)
    Invalid_names_file.close()

这个简单的命令允许打印文件的第一个（$ 1）和第三个（$ 3）列。软件awk实际上更强大。我想你应该看一下awk的手册页。

一个不错的组合是使用grep和awk和管道。以下代码将仅打印包含“p1”的文件行的第1列和第3列：

awk '{print $1,$3}' <namefile>

如果您想要按行号选择行，则可以用sed替换grep：

grep 'p1' <namefile> | awk '{print $1,$3}'

实际上，awk可以在所有示例中单独使用：

sed 1p <namefile> | awk '{print $1,$3}'

Answer 3

如果您想保留第一列和第一行中包含特定字符串的列（例如B），那么这应该可行。它假定您的字符串只出现一次。

awk '{if(NR==1){c=0;for(i=1;i<=NF;i++){c++;if($i=="B"){n=c}}}; print $1,$n}' myfile.txt

使用惊人的 awk 可能有更好的解决方案，但这应该可行。

EXPLANATION: 在第一行 (NR==1)，它遍历所有列 for(i=1;i<=NF;i++) 直到找到字符串，保存列号，然后打印出来。如果要将字符串作为变量传递，则可以使用 -v 选项。

使用grep提取列

3 个答案: