Question

我的数据如下：

      V1      V2      V3          V4 V5 V6              V7
1: chr11 9554978 9554979 rs114731977  0  + ENSG00000133789
2: chr11 9554978 9554979 rs374765884  0  + ENSG00000133789
3: chr11 9554977 9554979 rs796467675  0  + ENSG00000133789
4: chr11 9554976 9554979 rs796841057  0  + ENSG00000133789
5: chrX 15148554 15148555 rs2317411  0  - ENSG00000130150
6: chrX 15148775 15148776 rs2317410  0  - ENSG00000130150
...

我想要得到的是（例如此示例）两个文件，每个文件包含一组来自$ V4的rs值，以表示$ V7中的唯一值

像这样：

ENSG00000133789.txt：

rs114731977
rs374765884
rs796467675
rs796841057

ENSG00000130150.txt：

rs2317411
rs2317410

一些我试图获得这些值的东西：

data%>%group_by(V7) %>% summarise() 
distinct_df = data %>% distinct(V7) %>% select(V7)

他们只给我$ 7列

我也尝试过：

awk -F' ' 'FNR==NR{a[$7]++;next} a[$7]==1'  SG_ALL SG_ALL >ss

SG_ALL是数据所在的位置，输入文件，我两次读取，第一次读取行数并将其存储在数组中，第二次执行条件，如果计数为1，则应打印行，然后仅打印< / p>

但是在输出中，我只得到一行：

chr13 41545705 41545706 rs12429969 0 + ENSG00000150907

Answer 1

这解决了我的问题：

awk -F'''{f = $ 7“ .txt”;打印$ 4 >> f; close（f）}'OFS =''SG_ALL

Answer 2

以下是使用tidyverse的选项：

library(tidyverse)

# Generate a data frame containing V4 and V7
df <- data.frame(
  V4 = paste0(
    'rs',
    str_pad(
      sample(1:10e6, 3),
      width = 6,
      side = 'left',
      pad = '0'
    )
  ),
  V7 = rep(
    paste0(
      'ENSG',
      str_pad(
        sample(1:5000, 4),
        width = 10,
        side = 'left',
        pad = '0'
      )
    ),
    12
  )
)

# Generate unique V7
unique_V7 <- df %>% select(
  V7
) %>% unique() %>% pull()

# Write V4 for each (unique) V7
for (cur_V7 in unique_V7) {
  df %>% filter(
    V7 == cur_V7
  ) %>% select(
    V4
  ) %>% write_csv(
    path = paste0(
      cur_V7, '.txt' # filename
    ),
    col_names = FALSE
  )
}

如何提取另一列中每个行的唯一值并将一个列中的所有行提取并写入文件？

2 个答案: