根據相同列組合多個列值

Question

我需要幫助來改進我的工作代碼，以便根據指定列的相同值組合多個行。 下面是一個示例數據：

c-i1_pos-at1-v2 162a AT1G01040.1 2 3422-3443 3433 1 
c-i1_pos-at1-v2 162b AT1G01040.1 2 3422-3443 3433 1 
pare-i_226-v2-wt 162a AT1G01040.1 2 3422-3443 3433 0 
pare-i_226-v2-wt 162b AT1G01040.1 2 3422-3443 3433 0 
xrn4-pare-i_ath-227-v2-wt 827 AT1G02860.1 1 258-278 269 1 
i2_lib2-v2 156a AT1G03730.1 4 242-260 252 3 
i2_lib2-v2 156b AT1G03730.1 4 242-260 252 3 
i2_lib2-v2 156c AT1G03730.1 4 242-260 252 3 
i2_lib2-v2 156d AT1G03730.1 4 242-260 252 3 
i2_lib2-v2 156e AT1G03730.1 4 242-260 252 3 

基本上，如果在列中的值$ 3，$ 5相同，我想的行列的合併等結合$ 2，$ 6（或更多），而其餘的列的唯一值這樣的：

AT1G01040.1 3422-3443 3433 162a,162b 
AT1G02860.1 258-278 269 827 
AT1G03730.1 242-260 252 156a,156b,156c,156d,156e 

現在我想這樣做在多個步驟的基礎上，答案here。

awk 'BEGIN{FS=OFS="\t"} {c=$2 FS $3 FS $5; if (c in a) a[c]=a[c]","$6; else a[c]=$6}END{for (k in a) print k,a[k]}'|awk '{p=$1 FS $2 FS $4; if (p in l) l[p]=l[p]","$3;else l[p]=$3}END{for (m in l) print m,l[m]}' <input.txt 

其中給出：

AT1G01040.1 3422-3443 3433,3433 162a,162b 
AT1G02860.1 258-278 269 827 
AT1G03730.1 242-260 252 156a,156b,156c,156d,156e 

我想我應該把其餘列的值作爲陣列在一步得到我想要的輸出，但我在努力找出正確的上下文。

Answer 1

如何像

awk '{if ($3 in a) a[$3] = a[$3]","$2; else a[$3] = $3" "$5" "$6" "$2} END{for (i in a) print a[i]}' inputFile 

會產生輸出作爲

AT1G03730.1 242-260 252 156a,156b,156c,156d,156e 
AT1G02860.1 258-278 269 827 
AT1G01040.1 3422-3443 3433 162a,162b,162a,162b 

說明

a[$3] = $3" "$5" "$6" "$2創建由第三字段$3索引的數組a，所述else部分確保了數組在行是e時創建第一次沒有問題。

if ($3 in a) a[$3] = a[$3]","$2如果第三字段$3是陣列中已經存在，附加字段中的兩個$2到陣列

END{for (i in a) print a[i]}END塊在輸入結束時excecuted。打印整個數組給輸出

編輯

一個簡單的版本將是

awk '{($3 in a) ? a[$3] = a[$3]","$2 : a[$3] = $3" "$5" "$6" "$2} END{for (i in a) print a[i]}' inputFile 

謝謝Jotne的意見。