Localizando as linhas com o menor valor em sua terceira coluna, dados os grep

Question

Eu tenho um arquivo que consiste em linhas como esta (outros números incluídos). Isso faz parte da saída de

$ grep 1848 filename.csv

Como posso encontrar as 5 principais linhas com a terceira coluna mais baixa no arquivo .csv , já que 1848 está na primeira ou segunda coluna?

1848,2598,11.310694021273559
1848,2599,10.947275955606203
1848,2600,10.635270124233982
1848,2601,11.916564552040725
1848,2602,12.119810736845844
1848,2603,12.406661156256154
1848,2604,10.636275056472996
1848,2605,12.549890992708612
1848,2606,9.783802450936204
1848,2607,11.253697489670264
1848,2608,12.16385432290674
1848,2609,10.30355814063016
1848,2610,12.102525596913923
1848,2611,11.636595992818505
1848,2612,10.741178028606866
1848,2613,11.352414275107423
1848,2614,12.204860161717253
1848,2615,12.959915468475387
1848,2616,11.320652192610872

Infelizmente 1848 às vezes aparece na terceira coluna e eu preciso ignorar isso:

6687,8963,9.241848677632822
6687,9111,10.537325656184889
6687,9506,11.315629894841848

    

Answer 1

Com classificação do GNU:

grep -E '(^1848|^[0-9]{4},1848)' file | sort -t, -k3n | head -n 5

(se a primeira coluna puder ter menos ou mais do que exatamente 4 dígitos, substitua {4} por + )

Saída:

1848,2606,9.783802450936204
1848,2609,10.30355814063016
1848,2600,10.635270124233982
1848,2604,10.636275056472996
1848,2612,10.741178028606866

    

Answer 2

Com apenas awk :

awk -F, 'BEGIN{PROCINFO["sorted_in"]="@ind_num_asc"} \
          $1==1848||$2==1848 {a[$3]=$0} END {for(i in a) print a[i]}' file.csv

• BEGIN{PROCINFO["sorted_in"]="@ind_num_asc"} define a ordem de qualquer matriz que será criada de acordo com o índice, de acordo com os dígitos, em um estilo ascendente

• $1==1848||$2==1848 {a[$3]=$0} verifica se o primeiro ou o segundo campo é 1848, se assim for, então o terceiro campo ( $3 ) é considerado como uma matriz a index, com o valor sendo o registro inteiro ( $0 )

• No END {for(i in a) print a[i]} , é simples iterar as chaves e imprimir os valores

Para obter apenas os 5 registros, adicione head -5 no final:

awk ... | head -5

Apenas por questões de integridade, você pode obviamente obter apenas os 5 primeiros registros incorporando uma pequena lógica break no loop END , não há necessidade de tail :

awk -F, 'BEGIN{PROCINFO["sorted_in"]="@ind_num_asc"} \
          $1==1848||$2==1848 {a[$3]=$0} END {j=0; for(i in a) \
           {print a[i]; j++; if(j==5) break}}' file.csv

Exemplo:

% cat file.txt
1848,2598,11.310694021273559
1848,2599,10.947275955606203
1848,2600,10.635270124233982
1848,2601,11.916564552040725
1848,2602,12.119810736845844
1848,2603,12.406661156256154
1848,2604,10.636275056472996
1848,2605,12.549890992708612
1848,2606,9.783802450936204
1848,2607,11.253697489670264
1848,2608,12.16385432290674
1848,2609,10.30355814063016
1848,2610,12.102525596913923
1848,2611,11.636595992818505
1848,2612,10.741178028606866
1848,2613,11.352414275107423
1848,2614,12.204860161717253
1848,2615,12.959915468475387
1848,2616,11.320652192610872

% awk -F, 'BEGIN{PROCINFO["sorted_in"]="@ind_num_asc"} $1==1848||$2==1848 {a[$3]=$0} END {for(i in a) print a[i]}' file.txt
1848,2606,9.783802450936204
1848,2609,10.30355814063016
1848,2600,10.635270124233982
1848,2604,10.636275056472996
1848,2612,10.741178028606866
1848,2599,10.947275955606203
1848,2607,11.253697489670264
1848,2598,11.310694021273559
1848,2616,11.320652192610872
1848,2613,11.352414275107423
1848,2611,11.636595992818505
1848,2601,11.916564552040725
1848,2610,12.102525596913923
1848,2602,12.119810736845844
1848,2608,12.16385432290674
1848,2614,12.204860161717253
1848,2603,12.406661156256154
1848,2605,12.549890992708612
1848,2615,12.959915468475387

% awk -F, 'BEGIN{PROCINFO["sorted_in"]="@ind_num_asc"} $1==1848||$2==1848 {a[$3]=$0} END {j=0; for(i in a) {print a[i]; j++; if(j==5) break}}' file.txt 
1848,2606,9.783802450936204
1848,2609,10.30355814063016
1848,2600,10.635270124233982
1848,2604,10.636275056472996
1848,2612,10.741178028606866