如何使用AWK筛选基因与染色体匹配的唯一记录行？

要实现每个基因($1)与染色体($2)的组合仅保留第一条记录，最可靠的方法是用AWK的关联数组跟踪已出现的组合，无需依赖数据排序：

核心命令 #

!seen[$1,$2]++ input.txt

命令解释 #

• seen[$1,$2]：创建以基因+染色体为唯一键的关联数组，记录该组合是否已出现
• !seen[$1,$2]++：组合首次出现时，seen[$1,$2]初始值为0，取反后为真，打印当前行；后续同一组合出现时，数组值递增为非0，取反后为假，跳过打印
• 该逻辑自动保留每个基因-染色体组合的第一条匹配记录，同时保留对应的起始位置($3)

备选方案（仅适用于数据已按$1+$2连续排序的场景） #

如果坚持用“和前一行比较”的思路，可使用以下脚本，但仅适用于同一基因-染色体组合的记录连续排列的情况：

BEGIN { prev1=""; prev2="" }
{
    if ($1 != prev1 || $2 != prev2) {
        print $0
        prev1 = $1
        prev2 = $2
    }
}

将命令中的input.txt替换为你的实际文件名即可运行，输出结果完全符合期望。

内容的提问来源于stack exchange，提问作者LizDav