Awk Grep特定列、计数和写入输出文件

我试图总结我的数据并计算具体项目

这些是人类测序数据，因此非常大

#CHROM  POS   ID    REF  ALT    QUAL    FILTER      INFO          FORMAT                            NORMAL                                          PRIMARY
  1    12867  .     C    A       5  q40;bldp;blq    SS=1;VT=SNP;  GT:DP:AD:BQ:MQ:SB:FA:SS:SSC:MQA   1/0:8:7,1:36,39:0:0.0,0.0:0.125:0:5:14.9,16.0   1/0:2:2,0:33,0:0:0.0,0:0.0:1:5:16.0,0

为了简化，数据如下所示

column1 column2 column3 column4 column5 column6 column7  column8   column9 column10                                         column11
   x      x      x        x       x        x      x       SS=1       x     1/0:8:7,1:36,39:0:0.0,0.0:0.125:0:5:14.9,16.0    1/0:2:2,0:33,0:0:0.0,0:0.0:1:5:16.0,0
   x      x      x        x       x        x      x       SS=2       x     1/0:8:7,1:36,39:0:0.0,0.0:0.125:0:5:14.9,16.0    1/0:2:2,0:33,0:0:0.0,0:0.0:1:5:16.0,0

首先，我需要计算第8列中有多少不同的SS。共有5种不同类型的SS，即SS=1。。。。。SS=5。 这可以通过grep命令和 我试过了

grep SS=1 file1.vcf | wc -l
grep SS=2 file1.vcf | wc -l

然后我想计算第10列和第11列中第7个冒号（：）后面的位置有多少个“0”、“1”、“2”

这是我不知道该怎么做的部分。我正在考虑使用awk，但我不确定如何指定在特定位置查找（在第7个冒号（：）之后）

我有246个文件，我想做完全相同的。我如何应用到我所有的文件和写在txt文件的计数？我只知道如何做一个接一个，也许我可以猫计数文件在最后

for f in *.vcf; do grep SS=1 "$f" | wc -l > ${f}SS1.txt; done

---

要计算第8列中的不同值，可以使用典型方法：

$ awk -F"\t" 'NR>1{a[$8]++} END{for (i in a) print i,a[i]}' file
SS=1 1
SS=2 1

---

要计算

：

-从第10个和第11个字段中分离的字符串的第8个位置有多少不同的值，可以使用

split（）

将字符串分块。然后，使用与上面相同的方法

$ awk -F"\t" 'NR>1{split($10,a,":"); split($11,b,":"); count10[a[8]]++; count11[b[8]]++} END {for (i in count10) print i, count10[i]; for (i in count11) print i, count11[i]}' a
0 2
1 2

您可以将所有内容放在一起，得到如下内容：

$ awk -F"\t" 'NR>1{count8[$8]++; split($10,a,":"); split($11,b,":"); count10[a[8]]++; count11[b[8]]++} END {for (i in count8) print i, count8[i]; for (i in count10) print i, count10[i]; for (i in count11) print i, count11[i]}' file
SS=1 1
SS=2 1
0 2
1 2

---

如果您想对许多文件执行此操作，您可以使用循环或更好地使用

FILENAME

和

ENDFILE

刷新存储的信息。尝试一下，如果您遇到任何问题，请告诉我们。

如果您/我们不关心前7列中的值，为什么要向我们显示它们？请举例说明尽可能简洁和简单-您要求我们在帮助您方面付出的努力越少，我们就越有可能帮助您。根据您的示例输入显示预期输出。

$ awk -F"\t" 'NR>1{count8[$8]++; split($10,a,":"); split($11,b,":"); count10[a[8]]++; count11[b[8]]++} END {for (i in count8) print i, count8[i]; for (i in count10) print i, count10[i]; for (i in count11) print i, count11[i]}' file
SS=1 1
SS=2 1
0 2
1 2