Question

我有一个包含6列的表格文件。我需要做的是添加第7列，用于计算第3列中值的出现次数。我使用Excel进行计算，添加公式

=countif(C:C,$C1)

但文件很大，我有很多

例如：

我的意见是：

0   SL3.0ch03   7675648 21M GATCACTCCAAACTCATCATA   NM:i:2
0   SL3.0ch03   7675648 21M GATCACTCCAAACTCATCATA   NM:i:2
0   SL3.0ch03   7675648 21M GATCACTCCAAACTCATCATA   NM:i:2
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1
0   SL3.0ch03   7675649 21M CTCACTCCAAACTCATCATAC   NM:i:2
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1

我需要像这样的输出：

0   SL3.0ch03   7675648 21M GATCACTCCAAACTCATCATA   NM:i:2  3
0   SL3.0ch03   7675648 21M GATCACTCCAAACTCATCATA   NM:i:2  3
0   SL3.0ch03   7675648 21M GATCACTCCAAACTCATCATA   NM:i:2  3
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1  5
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1  5
0   SL3.0ch03   7675649 21M CTCACTCCAAACTCATCATAC   NM:i:2  5
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1  5
0   SL3.0ch03   7675649 21M ATCACTCCAAACTCATCATAC   NM:i:1  5
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1  4
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1  4
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1  4
0   SL3.0ch03   7675650 21M TCACTCCAAACTCATCATACT   NM:i:1  4

我尝试了一些我发现的东西：

awk '{h[$3]++}; END { for(k in h) print k, h[k] }' input.tab

实际显示第7列，但不显示其余列。我还发现这段代码：

awk '{print $1,$2,$3,$4,$5,$6}'

打印所有列，所以我认为“这应该有用”：

awk '{print $1,$2,$3,$4,$5,$6,$7};{h[$3]++}; END { for(k in h) print k, h[k] }' input.tab > output.tab

但显然没有。我能做到的最好的事情是打印所有6个原始列和我需要的文件底部输出，但我需要它作为第7列。

我熟悉基本的shell命令，但不熟悉AWK语言。

Answer 1

不幸的是，为了实现这个目的，您必须阅读两次文件，这取决于尺寸，效率可能非常低。

无论哪种方式，你都很亲密： awk '{h[$3]++}; END { for(k in h) print k, h[k] }' input.tab 正在h[]中构建一个以$3的值为基础的地图，并存储其出现次数，然后在读取所有行后，打印出该地图。

你想要的是这样的：

awk 'FNR==NR{h[$3]++;next} {$7=h[$3]; print}' input.tab input.tab

首先阅读文件，我们将$3的地图构建为与您相同的计数，然后第二次读取（当FNR!=NR时）我们将该值添加为{{1然后打印出结果行。

e.g。

$7

另外，如果这些是真正以制表符分隔的，那么您将要添加$awk 'FNR==NR{h[$3]++;next} {$7=h[$3]; print}' input.tab input.tab 0 SL3.0ch03 7675648 21M GATCACTCCAAACTCATCATA NM:i:2 3 0 SL3.0ch03 7675648 21M GATCACTCCAAACTCATCATA NM:i:2 3 0 SL3.0ch03 7675648 21M GATCACTCCAAACTCATCATA NM:i:2 3 0 SL3.0ch03 7675649 21M ATCACTCCAAACTCATCATAC NM:i:1 5 0 SL3.0ch03 7675649 21M ATCACTCCAAACTCATCATAC NM:i:1 5 0 SL3.0ch03 7675649 21M CTCACTCCAAACTCATCATAC NM:i:2 5 0 SL3.0ch03 7675649 21M ATCACTCCAAACTCATCATAC NM:i:1 5 0 SL3.0ch03 7675649 21M ATCACTCCAAACTCATCATAC NM:i:1 5 0 SL3.0ch03 7675650 21M TCACTCCAAACTCATCATACT NM:i:1 4 0 SL3.0ch03 7675650 21M TCACTCCAAACTCATCATACT NM:i:1 4 0 SL3.0ch03 7675650 21M TCACTCCAAACTCATCATACT NM:i:1 4 0 SL3.0ch03 7675650 21M TCACTCCAAACTCATCATACT NM:i:1 4以将分隔符和输出分隔符设置为制表符，因为它默认为空格，如上面的输出所示。

BEGIN{FS=OFS="\t"}

Answer 2

我假设具有相同第3个字段的记录是连续的：

awk 'b!=$3{for(j=0;j<i;j++){print a[j],i};delete a;b=$3;i=0;}{a[i++]=$0}END{for (j=0;j<i;j++){print a[j],i}}' file

细节：

awk '
    b!=$3 { # when the stored 3rd field is different from the current
        for(j=0;j<i;j++){ print a[j],i }; # display stored records
        delete a; # delete the array
        b=$3; # store the current "new" field
        i=0;
    }
    { a[i++]=$0 } # store the current record and increment the index
    # display the last stored records
    END {for (j=0;j<i;j++){print a[j],i}}
' file

列中整数的出现 - 添加为新列

2 个答案: