Question

我试图使用awk获取每个匹配字符串的总长度以及文件中每个匹配的计数。 $5中的匹配字符串是计数，每个$3 - $2的总和是总长度。希望下面的awk是一个好的开始。谢谢你:)。

输入

chr1 1266716 1266926 chr1:1266716-1266926 TAS1R3
chr1 1267008 1267328 chr1:1267008-1267328 TAS1R3
chr1 1267394 1268196 chr1:1267394-1268196 TAS1R3
chr1 1268291 1268514 chr1:1268291-1268514 TAS1R3
chr1 1956371 1956503 chr1:1956371-1956503 GABRD
chr1 1956747 1956866 chr1:1956747-1956866 GABRD
chr1 1956947 1957187 chr1:1956947-1957187 GABRD
chr1 1220077 1220196 chr1:1220077-1220196 SCNN1D

所需的输出

TAS1R3 4 1555
GABRD 3 491
SCNN1D 1 119

AWK

awk '{count[$5]++}
END {
  for (word in count)
    print $1,$2,$3,$4,word, count[word]
}' input > count | 
awk 'print $1,$2,$3,$4,word, count[word]
}
{ $6 = $3 - $2 }
1' count.txt > length

修改

SCNN1D 1 119
GABRD 3 240
TAS1R3 4 223

Answer 1

使用 awk ，可以在一个脚本中执行整个操作，通过保持累计长度的运行计数，和每个单词的实例数。

试试这个（尚未经过测试）：

awk '{
  offset1=$2; offset2=$3; word=$5
  TotalLength[word]=offset2 - offset1 # or just $3-$2
  count[word]++}
END {
  for (word in count)
    print word, count[word], TotalLength[word]
}' input

原始脚本有三个错误。

第二个awk块具有不明确的输入规范：从管道和读取文件参数（count.txt）。在这种情况下， awk 无法决定从哪里读取。
在END部分中，编号字段仅指向最后行/记录读取的字段。这不是你想要的。
最后，第二个awk脚本缺少print语句的左括号{。

Answer 2

你可以这样做：

awk '{c1[$5]++; c2[$5]+=($3-$2)} 
     END{for (e in c1) print e, c1[e], c2[e]}' input

请注意，记录的顺序可能与原始文件中的顺序不同。

Answer 3

$ cat tst.awk
$5 != prev { if (NR>1) print prev, cnt, sum; prev=$5; cnt=sum=0 }
{ cnt++; sum+=($3-$2) }
END { print prev, cnt, sum }

$ awk -f tst.awk file
TAS1R3 4 1555
GABRD 3 491
SCNN1D 1 119

awk使用来自文件的匹配字符串计数和总计

3 个答案: