Question

我在第一列中有一组带有基因标识符的制表符分隔文件，每个后续列代表第一列中具有该给定基因值的单个样本。以下是我的一个文件的截断示例，只有少量示例：

DDR1 8.55578403700418 8.65526857898327 8.71701700266541 
MIR4640 8.55578403700418 8.65526857898327 8.71701700266541 
RFC2  5.47524925570941 5.88644077981836 5.77277342309348
HSPA6 4.12035662689116 4.01089068869244 3.82366440713502
PAX8  
GUCA1A

我从Awk adding constant values，Bash Script Awk if statements和AWK if length statement append得到了一些想法，因为我根据输入文件有几千行甚至几百列，所以我尝试编写我的脚本这样：

cd ../path/to/file

inputFile=inputFile.in
outputFile=outputFile.out

columnCount= $(awk -F"\t" 'NR==1 {print NF}' $inputFile)

awk '{ for (i = 1; i <= $columnCount; i++)

    if (i<$columnCount) {print $0"\t?"}' $inputFile > $outputFile
}'

但我一直遇到语法错误。

$ awk -f missingValueAdder.awk 
awk: missingValueAdder.awk:3: cd ../path/to/file
awk: missingValueAdder.awk:3:    ^ syntax error
awk: missingValueAdder.awk:5: inputFile=inputFile.in
awk: missingValueAdder.awk:5:                    ^ syntax error
awk: missingValueAdder.awk:6: outputFile=outputFile.out
awk: missingValueAdder.awk:6                       ^ syntax error
awk: missingValueAdder.awk:8: columnCount= $(awk -F"\t" 'NR==1 {print NF}' $inputFile) 
awk: missingValueAdder.awk:8:                           ^ invalid char ''' in expression

所以我试过这个单行

 awk 'for (i=1;i<=NF;i++) BEGIN{FS=OFS="\t"} I<NF{print$0"\t?"}' inputFile.in > outputFile.out

但是我的for循环开始出现另一个语法错误。无论如何，我的输出文件应该看起来像

DDR1 8.55578403700418 8.65526857898327 8.71701700266541 
MIR4640 8.55578403700418 8.65526857898327 8.71701700266541 
RFC2  5.47524925570941 5.88644077981836 5.77277342309348
HSPA6 4.12035662689116 4.01089068869244 3.82366440713502
PAX8    ?   ?   ? 
GUCA1A  ?   ?   ?

我想要打印多少个“？”由NF决定（在这种情况下为3，但可能多达100）。非常感激任何的帮助！感谢

Answer 1

如果您想假设文件中的最大字段数出现在第1行，请执行以下操作：

$ awk -v OFS="\t" 'NR==1 {cols=NF} {$1=$1; for (i=NF+1; i <= cols; i++) $i = "?"} 1' file
DDR1    8.55578403700418    8.65526857898327    8.71701700266541
MIR4640 8.55578403700418    8.65526857898327    8.71701700266541
RFC2    5.47524925570941    5.88644077981836    5.77277342309348
HSPA6   4.12035662689116    4.01089068869244    3.82366440713502
PAX8    ?   ?   ?
GUCA1A  ?   ?   ?

奇怪的$1=$1位强制awk使用每个行的新OFS重写$ 0，即使for循环没有添加新字段。

如果第1行不一定出现最大字段数，则可以处理该文件两次：一次找到最大数量;一次添加字段占位符：

awk -v OFS="\t" '
    NR == 1 {cols = NF}
    NR == FNR {if (NF>cols) cols=NF; next} 
    {$1=$1; for (i=NF+1; i <= cols; i++) $i = "?"} 
    1
' file file

Answer 2

<强>输入

DDR1 8.55578403700418 8.65526857898327 8.71701700266541
MIR4640 8.55578403700418 8.65526857898327 8.71701700266541
RFC2  5.47524925570941 5.88644077981836 5.77277342309348
HSPA6 4.12035662689116 4.01089068869244 3.82366440713502
PAX8
GUCA1A

AWK脚本

awk '{
       if($0!=$1){
         printf "%s\n",$0
        }
        else{
        printf "%s\t?\t?\t?\t\n",$1
        }
     }' yourfilename > temp && mv temp yourfilename

<强>输出

DDR1 8.55578403700418 8.65526857898327 8.71701700266541 
MIR4640 8.55578403700418 8.65526857898327 8.71701700266541 
RFC2  5.47524925570941 5.88644077981836 5.77277342309348
HSPA6 4.12035662689116 4.01089068869244 3.82366440713502
PAX8    ?   ?   ?   
GUCA1A  ?   ?   ?

以上

的GNU-Sed一个班轮

sed -i 's/^\([[:alnum:]]*\)$/\1\t?\t?\t?/' yourfilename

Answer 3

这是我的看法：

<强> script.awk

NR==1 { for(i=2;i<=NF;i++) tmp=tmp "\t?" }
{ if (NF==1) print $1, tmp
  else print }

像这样使用它：awk -f script.awk yourfile

第一行根据第1行中的fieldcount确定仅具有名称的行中输出的模板。
第二个操作会打印行或名称以及模板

awk添加可变数量的缺失值

3 个答案: