在awk中对文本文件进行分组和汇总
我有一个类似以下示例的文本文件: 例如:在awk中对文本文件进行分组和汇总,awk,Awk,我有一个类似以下示例的文本文件: 例如: chr12 58146000 58146050 79 chr12 58145961 58146075 CDK4 chr12 58146050 58146075 81 chr12 58145961 58146075 CDK4 chr12 69082750 69082800 57 chr12 69082741 69082833 NUP107 chr12
chr12 58146000 58146050 79 chr12 58145961 58146075 CDK4
chr12 58146050 58146075 81 chr12 58145961 58146075 CDK4
chr12 69082750 69082800 57 chr12 69082741 69082833 NUP107
chr12 99038450 99038479 81 chr12 99038300 99038479 IKBIP
chr12 104680862 104680887 512 chr12 104680862 104680887 TXNRD1
chr12 104682708 104682750 134 chr12 104682708 104682818 TXNRD1
我想根据第8列对它们进行分组,并将属于同一组的第4列的值相加,结果将是一个由两列组成的制表符分隔的文件。第一列是求和后生成的数字(从第四列开始),第二列是组名(从第八列开始)。我尝试了以下代码,但它没有返回我想要的。你知道怎么修吗
cut -d'\t' -f 8 | sort | uniq -c | awk '{ print sum($4), $8 }' infile > outfile
以下是预期输出:
160 CDK4
57 NUP107
81 IKBIP
646 TXNRD1
预期产出:
160 CDK4
57 NUP107
81 IKBIP
646 TXNRD1
使用替代awk的另一种方法:
$ datamash -s groupby 8 sum 4 < data.tsv | datamash reverse
160 CDK4
81 IKBIP
57 NUP107
646 TXNRD1
$datamash-s groupby 8和4
这假定输入文件中的列也是以制表符分隔的。如果不是,请在选项中添加
-W
。使用perl的另一种方法
perl -lane ' $kv{$F[7]}+=$F[3]; END { for(keys %kv) { print "$_\t$kv{$_}" }} '
使用给定的输入
$ cat elly.txt
chr12 58146000 58146050 79 chr12 58145961 58146075 CDK4
chr12 58146050 58146075 81 chr12 58145961 58146075 CDK4
chr12 69082750 69082800 57 chr12 69082741 69082833 NUP107
chr12 99038450 99038479 81 chr12 99038300 99038479 IKBIP
chr12 104680862 104680887 512 chr12 104680862 104680887 TXNRD1
chr12 104682708 104682750 134 chr12 104682708 104682818 TXNRD1
$ perl -lane ' $kv{$F[7]}+=$F[3]; END { for(keys %kv) { print "$_\t$kv{$_}" }} ' elly.txt
NUP107 57
TXNRD1 646
IKBIP 81
CDK4 160
$
nit:问题指定“制表符分隔文件”作为输出,所以我建议awk。。。OFS=\\t
而不是管道连接到列-t
最终添加| sort-k2
,使其与问题中要求的顺序相同,或者可能是asorti
?在GNU上下文中。@Allan对输出进行排序不会产生问题中所示的顺序。如果OP需要一个特定的输出顺序,那么它可能与输入的顺序相同,而不是对输出进行排序,这在awk脚本中是很容易做到的,如果需要的话。