Question

我有一个VCF文件（制表符分隔），其中第二列中缺少某些“RPB”值，它将整行向左移动。

我有以下内容：

1   AF1=23  AC1=23
2   RPB=123 AF1=23  AC1=23
3   AF1=23  AC1=23

我需要以下内容：

1   NULL    AF1=23  AC1=23
2   RPB=123 AF1=23  AC1=23
3   NULL    AF1=23  AC1=23

我试过了，它工作很悲惨......：

awk 'if($2="AF1%" {print $1,"\t"NULL"\t", print$2, print$3}' input.vcf > output.vcf

我必须将此VCF导入MySQL，因此必须保留制表符分隔。任何想法？

Answer 1

$ awk 'NF<4{sub(/\t/,"&NULL&")}1' file
1       NULL    AF1=23  AC1=23
2       RPB=123 AF1=23  AC1=23
3       NULL    AF1=23  AC1=23

顺便说一句，你尝试的功能解决方案并不太远：

awk 'if($2="AF1%" {print $1,"\t"NULL"\t", print$2, print$3}' input.vcf

这个最小化版本可以产生你想要的输出：

awk '{if($2~/^AF1/) print $1 "\tNULL\t" $2 "\t" $3; else print}' input.vcf

但是你可以看到这不是一种非常惯用的方法。

Answer 2

这个awk one-liner会帮助你：

kent$  awk -F'\t' -v OFS='\t' '!($2~/^RPB=/){$2="NULL\t"$2}7' file
1       NULL    AF1=23  AC1=23
2       RPB=123 AF1=23  AC1=23
3       NULL    AF1=23  AC1=23

Answer 3

恕我直言，你不应该使用正则表达式，试试这个：

#!/bin/bash
cat input.vcf |\
perl -ane '
    BEGIN{$c=0;$max_fields=0}
    $c2=0;
    foreach(@F){
        $a[$c][$c2]=$_;
        if( $c2  > $max_fields ) {
            $max_fields=$c2; 
        }
        $c2++
    }
    $c++;
    END{
        foreach $i (@a){
            while (@$i < $max_fields + 1 ){
                unshift (@$i,"NULL");   
            }  
        }
        foreach $i (@a){
            foreach $x (@$i){
                print $x,"\t";
            }
            print "\n";
        }
    }'

输出：

bash test.sh 
NULL    AF1=23  AC1=23  
RPB=123 AF1=23  AC1=23  
NULL    AF1=23  AC1=23

说明：

上面的代码创建了一个2D数组（行/字段）
它还存储max_fields
对于每一行，如果字段数小于max_fields而不是insert＆＃34; NULL＆＃34; 一行的开头

Answer 4

基于制表符分隔的输入文件：

awk -v OFS="\t" 'NF==3{$1=$1 OFS "NULL"} 1' input.vcf

如果输入文件没有以制表符分隔，则可以将其更改为以下内容：

awk -v OFS="\t" '{$1=$1 (NF==3 ? OFS "NULL" : "")} 1' input.vcf

在其中任何一个中，当NF==3重新分配第一个字段以包含缺失的数据时。在第一个示例中，只有更改行的输出分隔符需要调整，但是当数据不是制表符分隔时，每行需要在1之前重新分配“重新计算”，这是{{1}}打印整条线。

当输入文件以制表符分隔时，Ed的答案之处在于，当替换发生时，整行输出分隔符不会被“重新计算”，因为它是第一个被替换的分隔符。

awk添加一列是第3列等于字符串

4 个答案: