Question

我有一个像这个小例子的文本文件：

chr10:103909786-103910082   147 148 24  BA
chr10:103909786-103910082   149 150 11  BA
chr10:103909786-103910082   150 151 2   BA
chr10:103909786-103910082   152 153 1   BA
chr10:103909786-103910082   274 275 5   CA
chr10:103909786-103910082   288 289 15  CA
chr10:103909786-103910082   294 295 4   CA
chr10:103909786-103910082   295 296 15  CA
chr10:104573088-104576021   2925    2926    134 CA
chr10:104573088-104576021   2926    2927    10  CA
chr10:104573088-104576021   2932    2933    2   CA
chr10:104573088-104576021   58  59  1   BA
chr10:104573088-104576021   689 690 12  BA
chr10:104573088-104576021   819 820 33  BA

在此文件中有5个tab separated列。第一列被视为ID。例如，在第一行中，整个“chr10:103909786-103910082”是ID。

第一步中的

1-我想基于第4列过滤出行。如果4th column is less than 10和同一行但在5th column the group is BA中的数字，该行将被过滤掉。如果4th column is less than 5中的数字和5th column the group is CA中的相同行中的数字也会过滤掉。

3-第3步：我想得到4th column中的数字比率。实际上在1st column中有重复的值代表相同的ID。我希望每ID得到一个比率，因此在输出中每个ID只会重复一次。每个ID在BA中同时包含CA和5th column。对于每个ID，我应分别获得CA和BA的2个值，并将CA/BA的比例作为每个ID的最终值。要获得CA一个值，我应该将4th column中属于同一ID并归类为CA的所有值相加，并将一个值加为{{1}我应该在BA中添加属于同一4th column并归类为ID的所有值。最后一步是获得BA每CA/BA的比例。小例子的预期输出如下所示：

ID：

1- after filtration

chr10:103909786-103910082 147 148 24 BA chr10:103909786-103910082 149 150 11 BA chr10:103909786-103910082 274 275 5 CA chr10:103909786-103910082 288 289 15 CA chr10:103909786-103910082 295 296 15 CA chr10:104573088-104576021 2925 2926 134 CA chr10:104573088-104576021 2926 2927 10 CA chr10:104573088-104576021 689 690 12 BA chr10:104573088-104576021 819 820 33 BA（2- after summarizing each group和CA）：

BA

3- chr10:103909786-103910082 147 148 35 BA chr10:103909786-103910082 274 275 35 CA chr10:104573088-104576021 2925 2926 144 CA chr10:104573088-104576021 819 820 45 BA（此比率使用第4列中的值进行）：

final output

在上面的行中，1 = 35/35和3.2 = 144/45。

我想在chr10:103909786-103910082 1 chr10:104573088-104576021 3.2

中这样做

awk

我尝试按照代码中提到的步骤但没有成功。你知道如何解决这个问题吗？

Answer 1

如果具有相同ID的记录始终是连续的，您可以这样做：

awk 'ID!=$1 {
         if (ID) {
             print ID, a["CA"]/a["BA"]; a["CA"]=a["BA"]=0;
         }
         ID=$1
     }
     $5=="BA" && $4>=10 || $5=="CA" && $4>=5 { a[$5]+=$4 }
     END{ print ID, a["CA"]/a["BA"] }' file.txt

第一个块测试ID是否已更改，在这种情况下，它会显示先前的ID和比率。第二个块过滤不需要的记录。 END块显示最后一个ID的结果。

如何在awk中使用多个操作来编辑文本文件

1 个答案: