使用awk在表格组内重复首个aa_bb开头值的技术求助

先看你的需求：你有一份按group分组的表格数据，想要给每一行新增Modified.values列，值为对应组内第一个以aa_bb开头的Values条目。

你的原始数据是：

group Values
0 aa_bb_25_0_1
0 273
0 60
1 aa_bb_7_0_2
1 335
2 aa_bb_65_1_1
2 456
3 aa_bb_98_0_1

期望得到的结果是：

group Values Modified.values
0 aa_bb_25_0_1 aa_bb_25_0_1
0 273 aa_bb_25_0_1
0 60 aa_bb_25_0_1
1 aa_bb_7_0_2 aa_bb_7_0_2
1 335 aa_bb_7_0_2
2 aa_bb_65_1_1 aa_bb_65_1_1
2 456 aa_bb_65_1_1
3 aa_bb_98_0_1 aa_bb_98_0_1

你之前尝试的awk代码没起作用，输出和输入一致，问题出在逻辑判断上：你的代码里$3!="" {three=$2}这个条件从一开始就不成立——原始数据只有两列，$3根本不存在，所以three变量从未被赋值，后续的$3=three自然不会产生任何变化。

正确的awk解决方案 #

我们需要按group跟踪，当遇到当前组内第一个以aa_bb开头的Values时保存该值，之后同组的所有行都用这个值填充新列。代码如下：

BEGIN { FS="\t"; OFS="\t" }
NR == 1 { print $0, "Modified.values"; next }  # 处理表头，新增目标列名
$2 ~ /^aa_bb/ { current_val[$1] = $2 }         # 匹配到目标行时，按group保存对应值
{ print $0, current_val[$1] }                  # 每行输出原始内容+对应组的保存值

代码解释 #

• BEGIN块：设置输入输出分隔符为制表符，保证表格格式对齐。
• 第一行（NR==1）：单独处理表头，直接在原有表头后追加Modified.values列名，然后跳过后续逻辑避免干扰表头。
• 当第二列$2匹配^aa_bb（以aa_bb开头）时，将这个值存入数组current_val，键为当前的group（$1）——因为每个组只会在第一次匹配时赋值，后续同组的匹配行不会覆盖已有的值，刚好满足你取首个匹配值的需求。
• 最后每行都输出原始内容加上对应组的current_val[$1]值，实现新列的填充。

直接运行这段代码（比如awk -f script.awk test.txt，或者把代码写在命令行中），就能得到你想要的结果。

内容的提问来源于stack exchange，提问作者Carol