使用AWK基于另一文件的匹配与条件过滤文件行

先明确你的输入文件和需求：

file1内容：

id1   12.4
id2   21.6
id4   17.3
id6   95.5
id7   328.6

file2内容：

id1   11.5
id2   10.4
id3   58.4
id4   24.6
id5   234.4
id6   2.5
id7   330.6

你的需求是：匹配两个文件的ID，保留file1中第二列分数大于file2对应ID分数的行，预期输出：

id1   12.4
id2   21.6
id6   95.5

你的初始思路方向是对的，但数组用法绕远路了——三维数组完全没必要，我们只需要存储file2里每个ID对应的分数就行。修正后的Awk命令如下：

awk 'FNR==NR { score[$1] = $2; next } $1 in score && $2 > score[$1]' file2 file1

逐行解释这个命令： #

1. FNR==NR { score[$1] = $2; next }：

   • FNR==NR是Awk的经典写法，用来判断当前处理的是第一个输入文件（这里是file2）——此时当前文件的行号（FNR）和全局行号（NR）相等。
   • score[$1] = $2：把file2中每个ID（第一列$1）对应的分数（第二列$2）存入数组score，用ID作为数组键，分数作为对应值。
   • next：跳过后续逻辑，直接处理下一行，确保file2的行只执行存储分数的操作。

2. $1 in score && $2 > score[$1]：

   • 这部分处理第二个输入文件（file1）：
     • $1 in score：先判断当前行的ID在file2中存在（有对应的分数可比较）。
     • && $2 > score[$1]：同时满足file1当前行的分数（$2）大于file2对应ID的分数（score[$1]）。
   • Awk默认会打印满足条件的行，所以不需要额外写print语句。

为什么你的初始代码不行？ #

你的初始代码awk 'FNR==NR { a[$1][$2][$0]; next } $1 in a {}' file1 file2有两个核心问题：

1. 三维数组a[$1][$2][$0]完全多余，我们只需要存储ID对应的分数，不需要嵌套多层或存储整行内容。
2. 后面的$1 in a {}块是空的，既没有判断分数大小，也没有打印符合条件的行，所以根本不会输出任何结果。

运行修正后的命令，就能得到你想要的预期输出啦。

内容的提问来源于stack exchange，提问作者2auri