Question

我有一个path.text文件。列由＆＃34; \ t＆＃34;分隔第一列和第二列如下：

Y123W    AB - CD - ED    ...  
Y948W    ED - WG - SG -EG  ...  
Y9368    AB - UE  ...  
Y024W    AB - UE  ...  
YOWB3    AB - CD - ED  ...  
...

我想通过第二列中的唯一元素输出第一列组中的元素。它应该是（格式并不重要）：

AB - CD - ED:
Y123W, YOWB3, ...
AB - UE:
Y9368, Y024W, ...
ED - WG - SG -EG:
Y948W, ...
...

我首先尝试将第二列读入数组：

pathways=( $(awk -F"\t" '{print $2}' pathway.txt) )

然后我尝试对途径进行排序以获得独特的途径：

uniq=($(printf "%s\n" "${pathways[@]}" | sort -u))

但是，也许是因为第二列的元素包含空格＆＃34; ＆＃34;，所以我得到的数组 uniq 一团糟。

echo "${uniq[@]}"

输出如下：

AB AB AB AB CD CD ...

我是shell新手。所以我只是试着用我用python或R做的一步一步实现它...请帮忙！非常感谢

Answer 1

尝试：

$ awk -F'\t' '{if ($2 in a) a[$2]=a[$2]", "$1; else a[$2]=$2":\n"$1} END{for (x in a)print a[x]}' file
AB - UE:
Y9368, Y024W
ED - WG - SG -EG:
Y948W
AB - CD - ED:
Y123W, YOWB3

如何运作

-F'\t'

这会将字段分隔符设置为选项卡。
if ($2 in a) a[$2]=a[$2]", "$1; else a[$2]=$2":\n"$1

如果第二个字段已在数组a中，则附加到当前字段1.如果不是，则在a中开始新条目。
< / LI>
END{for (x in a)print a[x]}

在我们阅读完整个输入文件后，打印出结果。

替代

此版本使用三元语句代替if-else语句。

$ awk -F'\t' '{a[$2]=a[$2](a[$2]?", "$1:$1)} END{for (x in a)printf "%s:\n%s\n",x,a[x]}' file
AB - UE:
Y9368, Y024W
ED - WG - SG -EG:
Y948W
AB - CD - ED:
Y123W, YOWB3

由另一个列shell

1 个答案:

如何运作

替代