Question

我需要帮助来改进我的工作代码，以便根据指定列的相同值组合多行。以下是一个示例数据：

c-i1_pos-at1-v2 162a    AT1G01040.1 2   3422-3443   3433    1
c-i1_pos-at1-v2 162b    AT1G01040.1 2   3422-3443   3433    1
pare-i_226-v2-wt    162a    AT1G01040.1 2   3422-3443   3433    0
pare-i_226-v2-wt    162b    AT1G01040.1 2   3422-3443   3433    0
xrn4-pare-i_ath-227-v2-wt   827 AT1G02860.1 1   258-278 269 1
i2_lib2-v2  156a    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156b    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156c    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156d    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156e    AT1G03730.1 4   242-260 252 3

基本上，如果$ 3，$ 5列中的值相同，我想合并$ 2，$ 6（或更多）列的行，其余列的唯一值合并如下：

AT1G01040.1 3422-3443   3433    162a,162b
AT1G02860.1 258-278 269 827
AT1G03730.1 242-260 252 156a,156b,156c,156d,156e

目前我正在尝试根据答案here分多步执行此操作。

awk 'BEGIN{FS=OFS="\t"} {c=$2 FS $3 FS $5; if (c in a) a[c]=a[c]","$6; else a[c]=$6}END{for (k in a) print k,a[k]}'|awk '{p=$1 FS $2 FS $4; if (p in l) l[p]=l[p]","$3;else l[p]=$3}END{for (m in l) print m,l[m]}' <input.txt

给出了：

AT1G01040.1 3422-3443   3433,3433   162a,162b
AT1G02860.1 258-278 269 827
AT1G03730.1 242-260 252 156a,156b,156c,156d,156e

我认为我应该将剩下的列中的值作为数组放在一步得到我想要的输出，但我正在努力找出正确的上下文。

Answer 1

像

这样的东西

awk '{if ( $3 in a ) a[$3] = a[$3]","$2; else a[$3] = $3" "$5" "$6" "$2} END{for (i in a) print a[i]}' inputFile

将产生输出

AT1G03730.1 242-260 252 156a,156b,156c,156d,156e
AT1G02860.1 258-278 269 827
AT1G01040.1 3422-3443 3433 162a,162b,162a,162b

<强>解释

a[$3] = $3" "$5" "$6" "$2创建一个由第三个字段a索引的数组$3，else部分确保在第一次遇到该行时创建该数组。

if ( $3 in a ) a[$3] = a[$3]","$2如果第三个字段$3已存在于数组中，则将字段2 $2附加到数组

END{for (i in a) print a[i]} END阻止在输入结束时被删除。打印整个数组，给出输出

修改

更简单的版本是

awk '{( $3 in a ) ? a[$3] = a[$3]","$2 : a[$3] = $3" "$5" "$6" "$2} END{for (i in a) print a[i]}' inputFile

谢谢Jotne的建议。

基于相同列在行中组合多个列值

1 个答案: