Question

我以前曾使用awk将一个主要为零的巨大数据表缩小为一个只有有趣的行（没有太多零的行）的较小表，如下所示：

awk -F '\t' '{count=0} {for(i=2; i<30; i++) if($i==0) count++} {if(count<5) print $0}' BigTable > SmallerTable

现在，我想过滤一个相似的表，以在大多数“女性”列中查找具有非零值的行，并在大多数“男性”列中查找具有零的行。我尝试使用相同的awk逻辑，但是我的代码返回了输入文件的所有行。

#! /usr/bin/awk -f 
FS="\t"
{countF=0} {for(i=2; i<7; i++) if($i==0) countF++} 
# count zeros in female columns 2-6
{countM=0} {for(i=7; i<12; i++) if($i==0) countM++} 
# count zeros in male columns 7-12
{if (countF<2 && countM>3) {print $0}}
# if fewer than 2/5 females AND more than 3/5 males are zero, print line

我的输入文件开始如下：

NNNNNNNNNNNNNNNNNNNNNNNNNNNNNNN F_CR1   F_CR2   F_CR3   F_CR4   F_CR6   M_CR10  M_CR5   M_CR7   M_CR8   M_CR9
AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA 14727   13526   13318   13862   11040   18975   21411   20079   16285   15611
CCGGTGTGACAACTGTAGTGAACTCAGCTCA 23  32  26  15  28  28  42  29  8   22
AACCAAATCTACAAACAGGAGATGTTGTTCT 107 110 118 106 95  100 121 132 92  90
GAAATAGAACAGGCCTGGAAGCCATGTCAAA 15  15  16  12  11  31  23  19  9   28

我是否弄乱了打印行中的语法？任何建议，不胜感激！

Answer 1

将FS="\t"更改为BEGIN{FS="\t"}。现在，该分配的结果是一个真实条件，它调用了打印每行的默认操作。

然后将您的shell脚本更改为：

/usr/bin/awk '
BEGIN { FS="\t" }
{
    # count zeros in female columns
    countF=0
    for(i=2; i<=6; i++) {
        if ($i==0) {
            countF++
        }
    }

    # count zeros in male columns
    countM=0
    for(; i<=NF; i++) {
        if ($i==0) {
            countM++
        }
    }
}
# if fewer than 2/5 females AND more than 3/5 males are zero, print line
countF<2 && countM>3
' "$@"

因此，当/当您需要将shell args分离为awk args和awk变量分配时，它更加笨拙，并且以后可以更轻松地进行增强（shebang对此没有用）。

也可以考虑将其缩写并删除硬编码的“男性/女性”限制，而应从标题行获取它们：

/usr/bin/awk '
BEGIN { FS="\t" }
FNR==1 {
    for (i=2; i<=NF; i++) {
        sub(/_.*/,"",$i)
        gender[i] = $i
    }
    next
}
{
    for (i=2; i<=NF; i++) {
        count[gender[i]] += ($i==0)
    }
}
count["F"]<2 && count["M"]>3
' "$@"

以上内容未经测试，因为您没有提供预期的输出供我们测试。

awk：过滤非零个非过滤数

1 个答案: