Question

我有一个包含16个不同列的文件（以制表符分隔的值）：

22    51169729    G   39  A   0   0   C   0   0   G   38  0.974359    T   1   0.025641
22    51169730    A   36  A   36  1   C   0   0   G   0   0   T   0   0
22    51169731    C   39  A   0   0   C   39  1   G   0   0   T   0   0
22    51169732    G   37  A   0   0   C   0   0   G   37  1   T   0   0
22    51169733    G   33  A   0   0   C   0   0   G   33  1   T   0   0
22    51169734    C   35  A   0   0   C   35  1   G   0   0   T   0   0
22    51169735    A   32  A   32  1   C   0   0   G   0   0   T   0   0
22    51169736    G   32  A   0   0   C   0   0   G   32  1   T   0   0
22    51169737    C   30  A   0   0   C   30  1   G   0   0   T   0   0
22    51169738    T   27  A   0   0   C   0   0   G   0   0   T   27  1
22    51169739    G   26  A   0   0   C   0   0   G   26  1   T   0   0
22    51169740    A   25  A   25  1   C   0   0   G   0   0   T   0   0
22    51169741    C   22  A   0   0   C   22  1   G   0   0   T   0   0
22    51169742    G   23  A   0   0   C   0   0   G   23  1   T   0   0
22    51169743    C   21  A   0   0   C   21  1   G   0   0   T   0   0
22    51169744    C   22  A   0   0   C   22  1   G   0   0   T   0   0
22    51169745    C   19  A   0   0   C   19  1   G   0   0   T   0   0
22    51169746    C   19  A   0   0   C   19  1   G   0   0   T   0   0
22    51169747    A   15  A   14  0.933333    C   1   0.0666667   G   0   0   T   0   0
22    51169748    C   20  A   0   0   C   20  1   G   0   0   T   0   0

第三列可以是A，G，C或T.

我想：

当第3列为'A'时，删除第5,6和7列，或当$ 7 =='0'时删除第5列，第6列和第7列。
同样，当$ 3 =='C'或$ 10 =='0'时删除第8,9,10列。
当$ 3 =='G'或$ 13 =='0'时删除第11,12,13列。
并在$ 3 =='T'或$ 16 =='0'时删除第14,15,16列。

对整个文件执行此操作时，在某些情况下只剩下4列，在其他情况下只剩下7列，如下例所示：

22    51169729    G   39  T   1   0.025641
22    51169730    A   36  
22    51169731    C   39  
22    51169732    G   37  
22    51169733    G   33  
22    51169734    C   35  
22    51169735    A   32  
22    51169736    G   32  
22    51169737    C   30  
22    51169738    T   27  
22    51169739    G   26  
22    51169740    A   25  
22    51169741    C   22  
22    51169742    G   23  
22    51169743    C   21  
22    51169744    C   22  
22    51169745    C   19  
22    51169746    C   19  
22    51169747    A   15  C   2   0.133333    
22    51169748    C   20

有什么建议吗？

Answer 1

第一部分的Perl解决方案：

#!/usr/bin/perl
use warnings;
use strict;

my %remove = ( A => 4,                # Where to start removing the columns
               C => 7,                # for a given character in column #3.
               G => 10,
               T => 13,
             );

$\ = "\n";                            # Add newline to prints.
$, = "\t";                            # Separate values by tabs.

while (<>) {                          # Read input line by line;
    chomp;                            # Remove newline.
    my @F = split /\t/;               # Split on tabs, populate an array.
    splice @F, $remove{ $F[2] }, 3;   # Remove the columns.
    print @F;                         # Output.
}

一旦澄清了第二个要求，我就可以尝试添加更多代码。您想要删除哪些值？你能展示更多的例子吗？

Answer 2

这是第一部分的一种方法，假设没有空字段：

$ cat tst.awk
$3 == "A" { $5=$6=$7="" }
$3 == "C" { $8=$9=$10="" }
$3 == "G" { $11=$12=$13="" }
$3 == "T" { $14=$15=$16="" }
{ gsub(/[[:space:]]+/,"\t"); print }

$ awk -f tst.awk file
1       957584  C       157     A       1       0.006   G       0       0       T       0       0

我真的不明白你在第二部分尝试做什么，但听起来这可能是你想要的，如果7/10/13的测试是修改后的字段数字第一阶段：

$3 == "A" { $5=$6=$7="" }
$3 == "C" { $8=$9=$10="" }
$3 == "G" { $11=$12=$13="" }
$3 == "T" { $14=$15=$16="" }
{ $0=$0 }
$7  ~ /0/ { c++ }
$10 ~ /0/ { c++ }
$13 ~ /0/ { c++ }
c > 1 { $8=$9=$10="" }
{ c=0; gsub(/[[:space:]]+/,"\t"); print }

或者如果$ 7/10/13上的测试是原始字段编号：

$7  ~ /0/ { c++ }
$10 ~ /0/ { c++ }
$13 ~ /0/ { c++ }
$3 == "A" { $5=$6=$7="" }
$3 == "C" { $8=$9=$10="" }
$3 == "G" { $11=$12=$13="" }
$3 == "T" { $14=$15=$16="" }
c > 1 { $8=$9=$10="" }
{ c=0; gsub(/[[:space:]]+/,"\t"); print }

如果没有，请编辑您的问题，以便通过更好的示例进行说明。

当其他列具有特定值（perl或awk）时删除特定列

2 个答案: