Question

我正在尝试从名为 mass.mas03 的multicolumn file中提取一些数据。列由tab分隔。当数据开始时，您可以看到有空的条目（即第44行VS第45行）。

整个想法是从多个行的特定列（ MASS EXCESS ）中提取数据，获取总和并在xy轴系统上创建一条水平线， y坐标是这些值的总和。

作为一个例子，采取第41,65,74行

  -1    0    1    1 H          7288.97050    0.00011      0.0      0.0   B-      *                1 007825.03207    0.00010
   0    4    4    8 Be         4941.672      0.035     7062.435    0.004 B- -17979.819    1.001   8 005305.103      0.037
   4    7    3   10 Li   -n   33050.581     15.124     4531.555    1.512 B-  20443.910   15.123  10 035481.259     16.236

我想这样做：7288.97050 + 4941.672 - 33050.581 = - 20819.9385。如果我使用awk命令访问数据，我将面临此问题

> awk '/8 Be/ {print $6}' mass.mas03
  4941.672 
>awk '/10 Li/ {print $6}' mass.mas03
  -n

我不知道awk是不是最好的选择，不仅要做数据选择，还要做“情节”，所以我愿意接受建议！

一个明显的解决方案是在需要时使用$7而不是$6，但它是一个大文件，我试图在整个过程中自动化。

对于这个奇怪的列文件，有没有办法“选择”所需数据并对它们应用一些简单的计算？

Answer 1

要使用制表符替换空格，您可以尝试以下操作：

awk -f f.awk mass.mas03 > mass.mas03.tab

其中f.awk是：

/^1N-Z/ {
    f=1
    print
    getline
    print
    next
}
f {
    gsub(/ +/,"\t")
}
{print}

Answer 2

如果您的数据实际上是以制表符分隔的，那么您只需使用：

awk -F'\t' '{ whatever }'

如果它是固定宽度字段，那么你应该使用：

gawk 'BEGIN{FIELDWIDTHS="list of field widths"} { whatever }'

e.g：

$ cat file
  -1    0    1    1 H          7288.97050    0.00011
   0    4    4    8 Be         4941.672      0.035
   4    7    3   10 Li   -n   33050.581     15.124

$ gawk 'BEGIN{FIELDWIDTHS="4 5 5 5 5 5 12 12"} {print $7}' file
  7288.970
  4941.672
 33050.581

请注意，FIELDWIDTHS是特定于gawk的。我不知道你的数据是否是正确的字段宽度，我只是做了一个大概的估计来证明这种方法。显然，如果你想将它从fixed-with字段转换为制表符分隔，那么这样做是微不足道的：

$ gawk -v OFS='\t' 'BEGIN{FIELDWIDTHS="4 5 5 5 5 5 12 12"} {$1=$1}1' file
  -1        0       1       1    H                7288.97050        0.00011
   0        4       4       8    Be               4941.672          0.035
   4        7       3      10    Li      -n      33050.581         15.124

如果你想从每个字段中删除前导/尾随空格：

$ gawk -v OFS='\t' 'BEGIN{FIELDWIDTHS="4 5 5 5 5 5 12 12"} {$1=$1; gsub(/ /,"")}1' file
-1      0       1       1       H               7288.97050      0.00011
0       4       4       8       Be              4941.672        0.035
4       7       3       10      Li      -n      33050.581       15.124

Answer 3

对我来说，文件仍然是为一个点开始而在另一个点结束特定字段始终具有相同数量的字符所以这是一个固定宽度的字段

$ 7从35开始，宽度为12

使用awk'/ Li / {print substr（$ 0,35,12）}'mass.mas03

从缺少条目的多列文件中提取数据

3 个答案: