Unix下数据子集提取：按单列多数值条件筛选行

以下方案均默认你需要筛选的目标列为第N列，可根据实际需求替换示例中的列号（列号从1开始计数）。 #

方法1：awk直接匹配（最适合20-30个固定值的场景） #

直接把允许的取值存在awk的关联数组中判断，效率高且不容易出现误匹配：

# 示例为筛选第2列值为30700、10600等指定值的行，默认保留表头
awk 'BEGIN{FS=OFS="\t"; allow["30700"]=1; allow["10600"]=1; allow["其余目标值按格式新增即可"]=1} NR==1 || allow[$2]' 原始文件.tsv > 筛选结果.tsv

参数说明：

• FS=OFS="\t"：明确指定输入、输出的字段分隔符为制表符，避免列内容包含空格时出现列拆分错误
• allow["xxx"]=1：将所有需要匹配的目标值存入关联数组，20-30个值按该格式依次添加到BEGIN块中即可
• NR==1：保留TSV的表头行，如果你的文件没有表头可以直接删除该判断条件
• $2：代指要匹配的第二列，可替换为实际需要筛选的列编号

方法2：取值存单独列表文件（适合取值经常变更的场景） #

如果目标取值经常调整，不想每次修改命令，可以把所有允许的取值单独存为一个文本文件allow_list.txt，每行写一个目标值：

30700
10600
其他目标值...
再运行以下命令过滤即可：

awk 'BEGIN{FS=OFS="\t"} NR==FNR{allow[$1]=1; next} NR==1 || allow[$2]' allow_list.txt 原始文件.tsv > 筛选结果.tsv

方法3：grep正则匹配（仅作为备选） #

该方法容易因为正则写得不准确出现误匹配，非必要不推荐：

# 示例为匹配第2列的指定值，且保留表头
grep -E $'(^表头内容\t|^[^\t]*\t(30700|10600|其余目标值用|分隔)\t)' 原始文件.tsv > 筛选结果.tsv

内容的提问来源于stack exchange，提问作者Nivi