Awk $ 1 vs cut -f 1 - 爲什麼我會得到不同的答案？

-1

所以這個問題困擾着我，我還有一百萬個其他項目要去，所以我希望能夠清楚這一點。到目前爲止，我還沒有找到答案。看起來很簡單。我用：

awk '$1' merged_counts.txt |sort|uniq -d|wc

並得到了216行。但是，這個數字是不正確的。如果我用

more merged_counts.txt|cut -f 1|sort|uniq -d|wc

我得到271行，這是正確的。如果我使用

awk '{print $1}' merged_counts.txt |sort|uniq -d|wc

我也得到271行，但是，那麼我也失去了其餘的領域。我無法弄清楚爲什麼它看起來像是一件基本的事情。感謝您的任何幫助/建議。當然，我必須俯視一些東西。文件的

實施例：

B3GALT1 72 128 65 124 87 118 102 117 38 106 87 115 27 20 89 30 
AMY1A 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 
PSENEN 654 459 648 462 508 399 537 532 696 460 625 473 621 322 633 434

基因「AMY1A」是在兩個DNA鏈註釋所以它在我的文件中出現兩次的那些基因中的一個。

來源

2013-10-30 user2937872

順便說一句，我的問題是爲什麼我得到216和271.我知道使用awk打印將擺脫其餘的領域。謝謝！ – user2937872

您正在使用'more'（一個交互式程序），您應該使用'cat'，或者甚至更好'cut -f 1 chepner

我的壞習慣。我腦子裏的某些東西只允許我使用貓，如果我真的要連接某些東西的話。 – user2937872

我在看到你說的I need to keep the entire line, but I need to filter for duplicates based only on the first field的評論中看到了，所以讓我們從這開始，讓我們進一步假設你的字段被任何空格分開，並且總是希望在發生重複時打印第一行。

你會使用然後awk命令是：

awk '!seen[$1]++' file

現在 - 更新說明，輸入和輸出你的問題告訴我們您需要什麼。

來源

2013-10-30 16:04:41

我已經編輯了我的問題，提供了一些更詳細的信息，而不會給予太多的幫助。 – user2937872

cut使用單個字符（tab默認，但可改變經由-d選項）以單獨的字段，而awk使用空白的任何運行（默認，經由-F選項改變）。

awk '$1'打印整個行$1不被視爲錯誤，而不僅僅是第一個字段。這會導致更少的重複行（因爲兩行可能具有相同的第一個字段，但在後續字段中不同）以及較低的行數。

來源

2013-10-30 15:28:25 chepner

嗨@chepner。我知道我可以在cut和awk中更改分隔符。事情是，我需要保持整條線路，但我需要僅基於第一個字段篩選重複項。我知道有271個重複項。最終目標是將一個簡短的字符串附加到副本中，以便進行另一個不允許重複基因名稱的分析。我想我明白你對awk'$ 1'的評價。但那我怎麼能保持整條線路，但只過濾第一個字段？ – user2937872

'awk'中有一個標準的技巧：'awk'uniq [$ 1] {uniq [$ 1] ++; ...}''只會在'$ 1'之前沒有被觀察到時處理一行。它所做的第一件事是存儲該字段，因此它將忽略具有相同「$ 1」的任何未來行。 – chepner

awk '$1'（不要與awk '{print $1}'混淆）將要打印的一切只是是空或者只包含空白，或其中第一場的計算結果爲0的數字值cut -f 1不會做此線，並且將包括空白和只有空白的行。

來源

2013-10-30 15:40:11 twalberg

在這種情況下，空白行和空白行不是一個問題。這個25k +行文件中的重複序列來自在正向和反向鏈上註釋過的基因，因此在我的最終文件中出現兩次。有些我可以很容易地抓到，其他人一直在逃避我的腳本。：/ – user2937872

...或$ 1的值爲零的行。 –

@EdMorton良好的捕捉...更新。 – twalberg

Awk $ 1 vs cut -f 1 - 爲什麼我會得到不同的答案？

回答

相關問題