awk打印行匹配并在字段中具有特定值

在下面的awk我试图打印$10 = reference standard和$3值匹配的行。我的实际数据是几千行tab-delimited，所以输入和输出都设置为tab-delimited。谢谢：）。awk打印行匹配并在字段中具有特定值

AWK

awk -F'\t' -v OFS='\t' 'FNR==NR{a[$0];next} $(NF-1)$NF=="referencestandard" && {A[$3];next}$3 in A in a{print}' file 
awk: cmd. line:1: FNR==NR{a[$0];next} $(NF-1)$NF=="referencestandard" && {A[$3];next}$3 in A in a{print} 
awk: cmd. line:1:              ^syntax error

文件

#tax_id GeneID Symbol RSG LRG RNA t Protein p Category 
9606 4200 ME2 NG_016198.1  NM_002396.4  NP_002387.1  reference standard 
9606 2122 MECOM NG_028279.1  NM_004991.3  NP_004982.2  reference standard 
9606 4204 MECP2 NG_007107.2  NM_004992.3  NP_004983.1  reference standard 
9606 4204 MECP2 NG_007107.2  NM_001110792.1  NP_001104262.1  reference standard

所需的输出

9606 4204 MECP2 NG_007107.2  NM_004992.3  NP_004983.1  reference standard 
9606 4204 MECP2 NG_007107.2  NM_001110792.1  NP_001104262.1  reference standard

来源

2016-11-28 Chris

将'&&'放在'{'？此外，这些字段通过'$ NF'编号为'$ 1'; “$ 0”是整条线。根据显示的数据判断，“参考”和“标准”之间没有标签。 'FNR == NR'条件意味着文件被读取，保存且不再存在;以下术语从不执行，因为没有第二个文件要读取。你可以在'END'块中完成。目前还不清楚'你的意思是'和'$ 3'值是否匹配' - 他们需要匹配什么？你需要澄清你试图找到的东西。一旦要求得到充分描述，就不难做到。 –

“$ 3”值匹配表示它们是相同的。每个“$ 3”值可能会重复多次，但通常只有一个“参考标准”的“$ 10”值。我试图在那些不符合标准的文件中找到那些......这就是'$ 3'值相同而$ 10'是'参考标准'的地方。谢谢：）。 – Chris

你必须更加精确。你的意思是两个不同的行在'$ 3'中具有相同的值？不管其他领域有什么？你想同时打印两行？如果在$ 3中有三行具有相同的值，您想要打印3行还是3行？在你的样本数据中，'$ 3'中的重复也会重复'$ 1'和'$ 2'（和$ 4'）中的值 - 这很重要吗？ –

对于只有几千行，这大概是最容易处理的数据文件（我的是称为data）两次 - 列表它在命令行上两次。在第一遍中，记录$3值的最后一个字段设置为“参考标准”的次数记录。在第二次，打印这些记录与设置为“参考标准”和$3大于1出现的计数的最后一个字段：

awk -F'\t' -v OFS='\t' \ 
    'FNR == NR && $NF == "reference standard" { a[$3]++; next } 
    a[$3] > 1 && $NF == "reference standard" { print }' data data

对于样本数据，我得到的输出是：

9606 4204 MECP2 NG_007107.2  NM_004992.3  NP_004983.1  reference standard 
9606 4204 MECP2 NG_007107.2  NM_001110792.1 NP_001104262.1 reference standard

该技术避免了将文件的整个副本保留在内存中，并避免了一些其他的簿记问题。由于你的代码已经有了FNR==NR模因，我认为你在考虑这些方面，即使你没有在命令行重复文件名。

如果你能负担得起在内存中保存整个文件（或它来自一个管道而不是一个文件，所以你不能重新扫描），可以以单道次这样做：

awk -F'\t' -v OFS='\t' \ 
    'FNR==NR && $NF == "reference standard" { 
      index = a[$3]++; line[NR] = $0; reps[$3,index] = NR; next 
    } 
    END { for (i in a) 
       if (a[i] > 1) 
        for (j = 0; j < a[$3]; j++) 
         print line[reps[i,j]] 
    }' data

这产生相同的输出，当然。缺点是你有一个完整的数据集在内存中的副本，加上各种控制数组，所以它使用的内存比双向备选更多。

来源

2016-11-28 23:56:53

非常感谢，我一直在思考，但不知道如何实现它....感谢您的帮助和解释:) – Chris

awk打印行匹配并在字段中具有特定值

回答

相关问题