Dotaz: filtrovani pomoci awk

[Radek Podskubka]

Ahoj, potrebuju profiltrovat textovy soubor typu

707120200	100.000000	137.750000	100.000000
707120200	100.000000	140.400000	100.000000
707120200	100.000000	145.887500	100.000000
707120300	100.000000	150.762500	100.000000
707120400	100.000000	154.350000	100.000000
707120400	100.000000	153.675000	100.000000
707120500	100.000000	148.162500	100.000000
707120500	100.000000	149.212500	100.000000
707120500	100.000000	155.762500	100.000000
707120600	100.000000	164.425000	100.000000
707120700	100.000000	167.962500	100.000000
707120700	100.000000	165.062500	100.000000
707120800	100.000000	161.075000	100.000000
707120800	100.000000	158.725000	100.000000
707120800	100.000000	157.800000	100.000000

tak aby se vzdy vzal jen radek u ktereho je hodnota v prvnim sloupci poprve. To znamena, ze radky u kterych je cislo v prvnim sloupci rovno cislu predchoziho radku v prvnim sloupci se smaznou (odfiltruji). No a takoveto filtrovani probiha jen v urcitem rozmezi radku.

Udelal jsem neco takoveho:

awk 'BEGIN{D=707120200; while(D!=707120800){if ($1 == D){print $0} D=D+100;}}' ir2_100.txt > ir2d_100.txt

Script sice vybere spravne rozmezi podle (od 707120200 az 707120800) urcene cyklem, ale nasklada tam i ty radky, u kterych se cislo prvniho sloupce uz opakuje.

Predpokladam, ze je to zpusobeno tim, ze awk projede proste cely soubor a vybere radky kde se $1=D (tedy i ty u kterych se hodnota prvniho sloupce opakuje...) a az po tom pricte D=D+100. Je mozne nejak udelat aby se hodnota D zvysila o 100 po kazdem radku? To by snad vyresilo cely muj problem.

Pokud mate uplne jine reseni tak se mu vubec nebranim.

Dekuji.

Odpovědi

[Radek Podskubka]

Omlouvam se, ale udelal jsem chybu v tom awk scriptu. Mam tam neco takoveho:

awk '{D=707120200; while(D!=707120800){if ($1 == D){print $0} D=D+100}}' ir2_$th.txt > ir2d_$th.txt

Takze bez begin, s tim to neslo.

[Filip Jirsák]

Na rozsah řádků bych použil head a tail. A na výpis unikátních řádků uniq -u, případně s parametrem -w. Ale nic z toho není awk

[macrek]

napr. takto:

user@dendrit:~$ cat subor
707120200       100.000000      137.750000      100.000000
707120200       100.000000      140.400000      100.000000
707120200       100.000000      145.887500      100.000000
707120300       100.000000      150.762500      100.000000
707120400       100.000000      154.350000      100.000000
707120400       100.000000      153.675000      100.000000
707120500       100.000000      148.162500      100.000000
707120500       100.000000      149.212500      100.000000
707120500       100.000000      155.762500      100.000000
707120600       100.000000      164.425000      100.000000
707120700       100.000000      167.962500      100.000000
707120700       100.000000      165.062500      100.000000
707120800       100.000000      161.075000      100.000000
707120800       100.000000      158.725000      100.000000
707120800       100.000000      157.800000      100.000000

user@dendrit:~$ awk '($1==707120300),($1==707120800){if(first != $1)print;first=$1;}' subor
707120300       100.000000      150.762500      100.000000
707120400       100.000000      154.350000      100.000000
707120500       100.000000      148.162500      100.000000
707120600       100.000000      164.425000      100.000000
707120700       100.000000      167.962500      100.000000
707120800       100.000000      161.075000      100.000000

[Radek Podskubka]

Tak jsem se inspiroval vsim resenim. Jinak dekuji za kazdy navrh. Nicmene mne to nefungovalo ani nevim proc, proste to nic nevypsalo. Proto jsem vyuzil jen tu cast ktera filtruje (2 radek) a zvlast jsem si vytvoril dalsi cast, ktera urcuje rozmezi (1 radek). No a tpotom jsem jeste zjistil, ze gnuplot mi to neprijme jako datum v tomto formatu, tak jsem jeste pridal pred vsechna cisla 0 (3 radek).

Pisu to jen proto, kdyby nekdo potreboval podobny problem resit tak tady je taky jedna moznost.

awk '{if ($1 > 707120000 && $1 < 707200000) print $0;}' ir2_110.txt > ir2_temporary_110.txt
awk '{if(first != $1)print;first=$1;}' ir2_temporary_110.txt > ir2_temporary2_110.txt
awk '{print("0"$0)}' ir2_temporary2_110.txt > ir2d_110.txt
rm -f ir2_temporary*_110.txt

[macrek]

netusim, preco ti to neslo, ale aj to tvoje riesenie si kludne mohol spojit do jedneho riadku a zbytocne to neriesit cez tempfiles.

[Radek Podskubka]

No sak to uz je jedno. Hlavni kdyz to jede, pripadne upravy uz nebudou problem.