识别并处理awk中的重叠行

Question

我有以下排序文件[按排序-k1,1 -k2,2n -k3,3n排序]： 开始和结束坐标由col2＆amp; amp; col3，value由col4：

定义

chr11   45643103    45643104    0.005
chr11   45643104    45643108    0
chr11   45643107    45643109    0.007
chr11   45643108    45643110    0.107

我想使用awk程序识别重叠区域，例如这两行

chr11   45643104    45643108    0
chr11   45643107    45643109    0.007

并将输出最宽的拉伸，在整个拉伸过程中获得最高值（来自col4） 因此，根据此示例将输出以下内容：

chr11   45643103    45643104    0.005
chr11   45643104    45643109    0.007
chr11   45643108    45643110    0.107

Answer 1

从这样的事情开始，考虑一下状态机。

chr==$1 && $2>=stop && !run {
    print prev;print;stop=$3;run=1
}
chr==$1 && $2>=stop && run {
    print;stop=$3;
}
chr==$1 && $2<stop {
    prev=$0;stop=$3;run=0;
}
chr!=$1  {
    chr=$1;prev=$0;stop=$3;run=0;
}

（未测试的）