awk打印行匹配並在字段中具有特定值

在下面的awk我試圖打印$10 = reference standard和$3值匹配的行。我的實際數據是幾千行tab-delimited，所以輸入和輸出都設置爲tab-delimited。謝謝：）。awk打印行匹配並在字段中具有特定值

AWK

awk -F'\t' -v OFS='\t' 'FNR==NR{a[$0];next} $(NF-1)$NF=="referencestandard" && {A[$3];next}$3 in A in a{print}' file 
awk: cmd. line:1: FNR==NR{a[$0];next} $(NF-1)$NF=="referencestandard" && {A[$3];next}$3 in A in a{print} 
awk: cmd. line:1:              ^syntax error

文件

#tax_id GeneID Symbol RSG LRG RNA t Protein p Category 
9606 4200 ME2 NG_016198.1  NM_002396.4  NP_002387.1  reference standard 
9606 2122 MECOM NG_028279.1  NM_004991.3  NP_004982.2  reference standard 
9606 4204 MECP2 NG_007107.2  NM_004992.3  NP_004983.1  reference standard 
9606 4204 MECP2 NG_007107.2  NM_001110792.1  NP_001104262.1  reference standard

所需的輸出

9606 4204 MECP2 NG_007107.2  NM_004992.3  NP_004983.1  reference standard 
9606 4204 MECP2 NG_007107.2  NM_001110792.1  NP_001104262.1  reference standard

來源

2016-11-28 Chris

將'&&'放在'{'？此外，這些字段通過'$ NF'編號爲'$ 1'; 「$ 0」是整條線。根據顯示的數據判斷，「參考」和「標準」之間沒有標籤。 'FNR == NR'條件意味着文件被讀取，保存且不再存在;以下術語從不執行，因爲沒有第二個文件要讀取。你可以在'END'塊中完成。目前還不清楚'你的意思是'和'$ 3'值是否匹配' - 他們需要匹配什麼？你需要澄清你試圖找到的東西。一旦要求得到充分描述，就不難做到。 –

「$ 3」值匹配表示它們是相同的。每個「$ 3」值可能會重複多次，但通常只有一個「參考標準」的「$ 10」值。我試圖在那些不符合標準的文件中找到那些......這就是'$ 3'值相同而$ 10'是'參考標準'的地方。謝謝：）。 – Chris

你必須更加精確。你的意思是兩個不同的行在'$ 3'中具有相同的值？不管其他領域有什麼？你想同時打印兩行？如果在$ 3中有三行具有相同的值，您想要打印3行還是3行？在你的樣本數據中，'$ 3'中的重複也會重複'$ 1'和'$ 2'（和$ 4'）中的值 - 這很重要嗎？ –

對於只有幾千行，這大概是最容易處理的數據文件（我的是稱爲data）兩次 - 列表它在命令行上兩次。在第一遍中，記錄$3值的最後一個字段設置爲「參考標準」的次數記錄。在第二次，打印這些記錄與設置爲「參考標準」和$3大於1出現的計數的最後一個字段：

awk -F'\t' -v OFS='\t' \ 
    'FNR == NR && $NF == "reference standard" { a[$3]++; next } 
    a[$3] > 1 && $NF == "reference standard" { print }' data data

對於樣本數據，我得到的輸出是：

9606 4204 MECP2 NG_007107.2  NM_004992.3  NP_004983.1  reference standard 
9606 4204 MECP2 NG_007107.2  NM_001110792.1 NP_001104262.1 reference standard

該技術避免了將文件的整個副本保留在內存中，並避免了一些其他的簿記問題。由於你的代碼已經有了FNR==NR模因，我認爲你在考慮這些方面，即使你沒有在命令行重複文件名。

如果你能負擔得起在內存中保存整個文件（或它來自一個管道而不是一個文件，所以你不能重新掃描），可以以單道次這樣做：

awk -F'\t' -v OFS='\t' \ 
    'FNR==NR && $NF == "reference standard" { 
      index = a[$3]++; line[NR] = $0; reps[$3,index] = NR; next 
    } 
    END { for (i in a) 
       if (a[i] > 1) 
        for (j = 0; j < a[$3]; j++) 
         print line[reps[i,j]] 
    }' data

這產生相同的輸出，當然。缺點是你有一個完整的數據集在內存中的副本，加上各種控制數組，所以它使用的內存比雙向備選更多。

來源

2016-11-28 23:56:53

非常感謝，我一直在思考，但不知道如何實現它....感謝您的幫助和解釋:) – Chris

awk打印行匹配並在字段中具有特定值

回答

相關問題