Question

我的任务是修改蒙面基因型，我必须掩盖（隐藏）2％的基因型。

我这样做的文件看起来像这样（genotype.dat）：

M rs4911642
M rs9604821
M rs9605903
M rs5746647
M rs5747968
M rs5747999
M rs2070501
M rs11089263
M rs2096537

并掩饰它，我只需将M改为S2。

然而，我必须对5505行中的110（2％）执行此操作，因此我使用随机数生成器的策略（在1到5505之间生成110个数字，然后手动更改相应的行号＆＃39; s M到S2花了差不多一个小时......（我知道，并不是非常复杂）。

我考虑将数字保存在一个单独的文件（maskedlines.txt）中，然后告诉awk用S2替换该行号中的第一个字符，但我找不到任何可调节的例子来执行此操作。

无论如何，任何有关如何解决这个问题的建议都将深受赞赏。

Answer 1

awk 'NR==FNR{a[$1]=1;next;} a[FNR]{$1="S2"} 1' maskedlines.txt genotype.dat

总而言之，我们首先将maskedlines.txt读入关联数组a。假设该文件每行有一个数字，并且该数字的a设置为1。然后我们读入genotype.dat。如果该行号的a为1，我们会将第一个字段更改为S2以屏蔽它。然后打印该行，无论是否改变。

详细说明：

NR==FNR{a[$1]=1;next;}

在awk中，FNR是到目前为止从当前文件读取的记录（行）数，NR是到目前为止读取的总行数。所以，当NR==FNR时，我们正在读取第一个文件（maskedlines.txt）。此文件包含要屏蔽的genotype.dat中的行号。对于这些行号中的每一行，我们将a设置为1.然后我们跳过其余命令并跳转到next行。
a[FNR]{$1="S2"}

如果我们到这里，我们正在处理第二个文件：genotype.dat。对于此文件中的每一行，我们会检查FNR中是否提及其行号maskedlines.txt。如果是，我们将第一个字段设置为S2以掩盖此行。
1

这是打印当前行的awck简洁速记。

Answer 2

这是一个简单的方法，如果你有shuf（它在Gnu coreutils中，所以如果你有Linux，你几乎肯定有它）：

sed "$(printf '%ds/M/S2/;' $(shuf -n110 -i1-5505 | sort -n))" \
    genotype.dat > genotype.masked

更复杂的版本不依赖于知道你想要掩盖5505行中的110行;您可以使用lines=$(wc -l < genotype.dat)轻松提取行数，然后从中计算百分比。

shuf用于生成随机的行样本，通常来自文件; -i1-5505选项意味着使用1到5505之间的整数，-n110表示生成110的随机样本（不重复）。在使用printf创建sed编辑脚本之前，我对其效率进行了排序。