Unix Удалить Дублировать строки из csv на основе двух столбцов

Question

У меня есть файл csv с несколькими столбцами. У некоторых могут быть дубликаты по 4-му столбцу (col4).

Мне нужно удалить всю строку, где дубликаты встречаются, и сохранить только 1 строку. Решение этой строки производится путем получения наивысшего значения из col1.

Ниже приведен пример:

col1,col2,col3,col4 

1,x,a,123 

2,y,b,123 

3,y,b,123 

1,z ,c,999 

Дубликат находится в строке 1 и row2 и row3, только третья строка должна быть, потому что col1 (row3)> col1 (row2)> col1 (row1) ,

Сейчас этот код удаления дубликатов в COL4, не глядя на col1

awk '!seen[$4]++' myfile.csv 

Я хотел бы добавить условие, чтобы проверить col1 для каждого дубликатов и удалить те, с наименьшим значением в col1 и сохранить строку с Наибольшее значение п col1

Вывод должен быть:

col1, col2, col3, COL4

3,y,b,123 

1,z,c,999 

Спасибо!

Answer 1

@Mr Smith: Не могли бы вы попробуете следовать и сообщить мне, если это вам поможет.

awk -F"[[:space:]]+,[[:space:]]+" 'FNR==NR{A[$NF]=$1>A[$NF]?$1:A[$NF];next} (($NF) in A) && $1 == A[$NF] && A[$NF]{print}' Input_file Input_file 

EDIT: Попробуйте:

awk -F"," 'FNR==NR{A[$NF]=$1>A[$NF]?$1:A[$NF];next} (($NF) in A) && $1 == A[$NF] && A[$NF]{print}' Input_file Input_file 

EDIT2: Following is explanation as per OP's request: 
awk -F","        ##### starting awk here and mentioning field delimiter as comma(,). 
'FNR==NR{        ##### FNR==NR condition will be TRUE only when Input_file first time is getting read. 
               Because we want to save the values of last field as an index in array A and whose value is $1. 
               So FNR and NR are the awk's default keywords, where the only difference between NR and FNR is 
               both will tell the number of lines but FNR will be RESET each time a new Input_file is being read, 
               where NR will be keep on increasing till all the Input_files are completed. So this condition will be 
               TRUE only when first Input_file is being read. 
A[$NF]=         ##### Now making an array named A whose index is $NF(last field of that array), then I am checking a condition 
$1>A[$NF]        ##### Condition here is if current line's $1 is greater than the value of A[$NF]'s value(Off course $NF last fields 
               will be same for them then only they will be compared, so if $1's value is greater than A[$NF]'s value then 
?          ##### Using ? wild character means if condition is TRUE then perform following statements. 
$1          ##### which is to make the value of A[$NF] to $1(because as per your requirement we need the HIGHEST value) 
:          ##### If condition is FALSE which I explained 2 lines before than : operator indicates to perform actions which are following it. 
A[$NF];         ##### Keep the value of A[$NF] same as [$NF] no change in it. 
next}         ##### next is an awk's in built keyword so it will skip all further statements and take the control to again start from 
               very first statement, off course it is used to avoid the execution of statements while first time Input_file is being read. 
(($NF) in A) && $1 == A[$NF] && A[$NF]{ ##### So these conditions will be executed only and only when 2nd time Input_file is being read. Checking here 
               if $NF(last field of current line) comes in array A and array A's value is equal to first field and array A's value is NOT NULL. 
print         ##### If above all conditions are TRUE then print the current line of Input_file 
}' Input_file Input_file    ##### Mentioning the Input_files here.