僅當該字符串在特定列中不存在時才打印該行，並考慮UNIX的其他列中的每組字符串

Question

因此，我有以下具有數千行的列表文件：

NP_000007.1     ACADM   1457    rs1061337       not_match
NP_000007.1     ACADM   2761    rs2229249       not_match
NP_000007.1     ACADM   2761    rs2229249       not_match
NP_000019.2     AGL     1094    rs1042090       1398
NP_000019.2     AGL     1094    rs1042090       1395
NP_000057.1     C8B     1078    rs1013579       117
NP_000057.1     C8B     932     rs856847        345
NP_000057.1     C8B     932     rs856831        not_match
NP_000057.1     C8B     932     rs856841        429
NP_000076.2     CLCNKB  48      rs5251          334

如果至少在第五列中出現一次not_match模式，我想刪除在第一列中分組的每組字符串的那些行。 因此，僅打印第一列中由相同字符串分組的行，該行僅與第五列中的數字相對應。

所需的輸出將是：

NP_000019.2     AGL     1094    rs1042090       1398
NP_000019.2     AGL     1094    rs1042090       1395
NP_000076.2     CLCNKB  48      rs5251          334

我認為可以通過一些步驟將“ not_match”模式的行與第五列中的數字分隔開來，然后通過哈希查看第一列中是否存在巧合，並丟棄這些巧合。 但是，我想一步一步地在同一文件中進行操作。 我如何在Unix環境中獲得它？ 提前致謝

Answer 1

awk解救！

兩遍算法將是最簡單的

$ awk 'NR==FNR {                       # in the first round 
         if($NF=="not_match") a[$1];   # record the keys to be deleted
         next}                         #
       !($1 in a)' file{,}             # in the second round skip them

請注意， file{,}是file file簡寫

NP_000019.2     AGL     1094    rs1042090       1398
NP_000019.2     AGL     1094    rs1042090       1395
NP_000076.2     CLCNKB  48      rs5251          334

Answer 2

替代sort + awk解決方案：

sort -k1,1 -k5,5r file | awk '!($1 in a){ a[$1]=$5 }a[$1]!="not_match"'

輸出：

NP_000019.2     AGL     1094    rs1042090       1398
NP_000019.2     AGL     1094    rs1042090       1395
NP_000076.2     CLCNKB  48      rs5251          334