我有一个大型网络文件,其中有数百万条无向边:edge.txt具有节点1、结点2和一些数值属性
a b 0.8
b c 0.1
d f 0.7
e f 0.5
c b 0.1
b a 0.8
a c 0.1
给定另一个文件input.txt
a
b
c
只有在input.txt中同时具有节点(node1和node2(的边才能打印
a b 0.8
b c 0.1
a c 0.1
我试过了:
awk 'FNR==NR {a[$0]++;next}{if ($1 in a && $2 in a) {print}}' input.txt edge.txt
需要一些建议吗?感谢
您可以尝试这个awk
脚本:
awk 'NR==FNR{a[$1];next}($1 in a)&&($2 in a)' input.txt edge.txt
数组查找需要括在括号内,并且不需要print
语句(因为这是条件有效时的默认语句(。
@oliv的方法是正确的方法,但如果你想删除转置对,你需要添加更多的条件
$ awk 'NR==FNR{a[$1]=1; next} a[$1] && a[$2] && !b[$1,$2]++ && !b[$2,$1]++' input edge
a b 0.8
b c 0.1
a c 0.1
另一个尝试最小化对哈希b
的查找的方法,如果edge>>输入:
$ awk '
NR==FNR && !($1 in a) { # if node not in hash a yet, ie. remove duplicates in input
for(i in a) { # "c" -> a[]: insert to b: ca, ac, cb, bc
b[$1 i]
b[i $1]
}
a[$1] # new entries go to a as well
next
}
($1 $2 in b) {
# delete b[$1 $2] # uncomment these to remove duplicates
# delete b[$2 $1] # ie. "a b 0.8" vs. "b a 0.8"
print
}' input edge # if both $1 and $2 are in a, $1 $2 is in b
输出:
a b 0.8
b c 0.1
c b 0.1
b a 0.8
a c 0.1
删除重复项后:
a b 0.8
b c 0.1
a c 0.1