我有一个类似的文件，比如input.dat
column1 column2
0 0
1.3 1.6
1.8 2.1
2.0
2.6
我需要从第1列中提取值的子集，这些值最接近第2列中的值，以便两列中的条目总数相等。在这个例子中，我需要获得的输出
column1 column2
0 0
1.8 1.6
2.0 2.1
我怎么能拿到这个？
如果您仅限于bash脚本，则可以使用bash脚本来完成此操作，但使用Python/C++/Java处理这样的问题会更容易，因为这是优化的二部分匹配问题的一个版本(如果在脚本中完成，则必须重复读取每一行，或者使用大量辅助变量)
===>如果我们可以假设两列中的值都是排序并递增的，那么一个简单的解决方案是：
对于第2列中的每个值：
- 依次读取第1列中的值，直到col2_value与col1_value的差值从负数变为正数
- 然后找到min(abs(negative_difference)，positive_difference)，并选择与较小差值相对应的col1_value
- 从col1和col2中删除这两个条目，并将它们添加到结果表中
- 重复此过程，直到原始表的第2行中没有剩余内容为止
这具有m*n的最坏情况运行时间，其中m是col1中的#entries，n是col2中的#entries和O(n)的平均运行时间，如果你很聪明，并进行恒定时间交替检查(从上次选择的col1_value的索引中比较-1、+1，因为-2、+2等当然会导致更大的差异)，而不是顺序检查，以找到col2中当前值和vol1中值之间的最小差异。
这是一个幼稚的解决方案，因为它不能最大限度地减少系统中的整体差异。最佳解决方案是NP，所以对于大型数据集，你可能能做的最好的事情就是使用一种近似图形算法进行匹配。