列删除重复值I有一个大的数据文件在下面的格式如下:awk中的Uniq;在使用AWK
ENST00000371026 WDR78,WDR78,WDR78, WD repeat domain 78 isoform 1,WD repeat domain 78 isoform 1,WD repeat domain 78 isoform 2,
ENST00000371023 WDR32 WD repeat domain 32 isoform 2
ENST00000400908 RERE,KIAA0458, atrophin-1 like protein isoform a,Homo sapiens mRNA for KIAA0458 protein, partial cds.,
的列是制表符分隔。列中的多个值用逗号分隔。我想删除第二列的重复值导致这样的事情:
ENST00000371026 WDR78 WD repeat domain 78 isoform 1,WD repeat domain 78 isoform 1,WD repeat domain 78 isoform 2,
ENST00000371023 WDR32 WD repeat domain 32 isoform 2
ENST00000400908 RERE,KIAA0458 atrophin-1 like protein isoform a,Homo sapiens mRNA for KIAA0458 protein, partial cds.,
我尝试下面的下面的代码,但它似乎并没有删除重复值。
awk '
BEGIN { FS="\t" } ;
{
split($2, valueArray,",");
j=0;
for (i in valueArray)
{
if (!(valueArray[i] in duplicateArray))
{
duplicateArray[j] = valueArray[i];
j++;
}
};
printf $1 "\t";
for (j in duplicateArray)
{
if (duplicateArray[j]) {
printf duplicateArray[j] ",";
}
}
printf "\t";
print $3
}' knownGeneFromUCSC.txt
如何正确删除第2列中的重复项?
+1非常感谢您的答复。这个解决方案比我的要好。不过,我也很好奇为什么我的解决方案无法正常工作。出于这个原因,我会暂时设定一个被接受的答案。也许有人会知道如何在awk中做到这一点。 – 2010-06-05 00:07:39