Как печатать только строки с уникальными полями?

Question

Например ... если бы у меня был такой файл:

A   16  chr11   36595888
A   0   chr1    155517200
B   16  chr1    43227072
C   0   chr20   55648508
D   0   chr2    52375454
D   16  chr2    73574214
D   0   chr3    93549403
E   16  chr3    3315671

Мне нужно напечатать только те строки, которые имеют уникальный первый столбец:

B   16  chr1    43227072
C   0   chr20   55648508
E   16  chr3    3315671

Это похожедо awk '!_[$1]++', но я хочу удалить все строки, которые имеют неуникальное поле кулак.

Решения Bash и Python желательно.

Answer 1

в bash, при условии, что первый столбец исправлен с помощью (3):

sort input-file.txt | uniq -u -w 3

'- u' печатает только уникальные строки, а '-w 3' сравнивает не более первых 3 символов.

Answer 2

Как насчет этого:

#!/usr/bin/env python
from collections import defaultdict
data = defaultdict(list)
with open('file', 'rb') as f:
    for line in sorted(f.readlines()):
        data[line[0]].append(line)
for key in sorted(data.iterkeys()):
    if len(data[key]) == 1:
        print data[key]

Answer 3

седан один лайнер решение:

sed ':a;$bb;N;/^\(.\).*\n\1[^\n]*$/ba;:b;s/^\(.\).*\n\1[^\n]*\n*//;ta;/./P;D' file

Answer 4

awk '
  {count[$1]++; line[$1]=$0}
  END {for (val in count) if (count[val]==1) print line[val]}
' filename

Это может изменить порядок строк.Если это проблема, попробуйте этот двухпроходный подход:

awk '
  NR==FNR {count[$1]++; next}
  count[$1] == 1 {print}
' filename filename

Answer 5

import sys
from collections import OrderedDict
lines = OrderedDict()
for line in sys.stdin:
    field0 = line.strip().split('\t')[0]
    lines[field0] = None if field0 in lines else line
for line in lines.values():
    if line is not None:
        sys.stdout.write(line)

Если вас не волнует сохранение порядка, вы можете использовать простой старый дикт ({}) вместо OrderedDict.

Эта реализация не заботится, если дублирующиеся полясмежны.

Answer 6

в Python, гораздо проще для чтения и настройки:

d = dict()
for line in open('input-file.txt', 'r'):
  key = line.split(' ', 1)[0]
  d.setdefault(key, list()).append(line.rstrip())

for k, v in sorted(d.items()):
  if len(v) == 1:
     print v[0]