Awk 如何在一行中打印重复键列的字段

我想以这样一种方式转换一个表，以便复制 第#2列中的值它将具有第#1列中的相应值

也就是说，像这样的事情

MZ00024296  AC148152.3_FG005

MZ00047079  AC148152.3_FG006

MZ00028122  AC148152.3_FG008

MZ00032922  AC148152.3_FG008

MZ00048218  AC148152.3_FG008

MZ00024680  AC148167.6_FG001

MZ00013456  AC149475.2_FG003

到

由于需要在R中进行计算，我尝试使用：

x=aggregate(mz_grmz,by=list(mz_grmz[,2]),FUN=paste(mz_grmz[,1],sep="|"))

但它不工作（功能错误） 匹配中出错。乐趣（乐趣）： “粘贴（mz_grmz[，1]，sep=“|”）不是函数、字符或符号

我还提醒自己unstack（）函数，但它不是我所需要的

根据我的基本知识，我尝试使用awk来完成这项工作，我重新编写了下面给出的代码：

#/垃圾箱/垃圾箱
为了你
awk-v FS=“\t”'{
对于（x=1；x2&&x=x+1）{
打印$2“\t”x
}
else{print NR}
}
}“$y>$y.2
完成

不幸的是，它不起作用，它只能生成包含字段#2和一些数字的巨大文件

我想这是一项容易的任务，但现在我的能力还不够。 谁能给我一个提示吗？也许只是在R中聚合使用的函数

---

谢谢

您可以在awk中这样做：

awk '
    {
        if ($2 in a)
            a[$2] = a[$2] "|" $1
        else
            a[$2] = $1
    }
    END {
        for (i in a)
            print i, a[i]
    }' INFILE > OUTFILE

---

要使输出与问题中的文本保持一致（空行等）：

测试：

kent$  echo "MZ00024296  AC148152.3_FG005

MZ00047079  AC148152.3_FG006

MZ00028122  AC148152.3_FG008

MZ00032922  AC148152.3_FG008

MZ00048218  AC148152.3_FG008

MZ00024680  AC148167.6_FG001

MZ00013456  AC149475.2_FG003"|awk '{if($0 &&($2 in a))a[$2]=a[$2]"|"$1;else if ($0) a[$2]=$1;}END{for(x in a){print x,a[x];print ""}}'
AC149475.2_FG003 MZ00013456

AC148152.3_FG005 MZ00024296

AC148152.3_FG006 MZ00047079

AC148152.3_FG008 MZ00028122|MZ00032922|MZ00048218

AC148167.6_FG001 MZ00024680

---

此GNU-sed解决方案可能适合您：

 sed -r '1{h;d};H;${x;s/(\S+)\s+(\S+)/\2\t\1/g;:a;s/(\S+\t)([^\n]*)(\n+)\1([^\n]*)\n*/\1\2|\4\3/;ta;p};d' input_file

---

说明：使用扩展正则表达式选项

-r

使正则表达式更具可读性。将整个文件读入保持空间（HS）。然后在文件末尾，切换到HS，首先交换和制表符单独的字段。然后比较相邻行中的第一个字段，如果它们匹配，则将第二条记录中的第二个字段标记为第一行，并用

分隔。重复，直到没有其他相邻行具有重复的第一个字段，然后打印文件。

空行可能会在输出中出现问题。我没有测试，但我可以看到，输出中应该有“| | |…”。顺便说一句，你的声誉号码很好：）4444@Kent我假设空行是复制粘贴工件。如果没有，这可以通过在第一个

{

.schot，Kent之前添加

NF

来轻松解决。谢谢你们两个。它可以工作：-）。空行确实是一个工件。如果不是，我会在主脚本之前使用sed'/^$/d删除它。谢谢Poton的回复。你的代码要么不工作，要么我的计算机（2 x 1.5 GHz，2Gb RAM）太弱了。我已经提交了它，我的系统监视器显示代码正在运行，但大约30分钟后。没有任何变化，所以我终止了进程。无论如何-谢谢你的时间。我检查了较小的文件，它可以工作。它只是比awk代码慢得多。

awk '{if($0 &&($2 in a))a[$2]=a[$2]"|"$1;else if ($0) a[$2]=$1;}\
END{for(x in a){print x,a[x];print ""}}' inputFile

kent$  echo "MZ00024296  AC148152.3_FG005

MZ00047079  AC148152.3_FG006

MZ00028122  AC148152.3_FG008

MZ00032922  AC148152.3_FG008

MZ00048218  AC148152.3_FG008

MZ00024680  AC148167.6_FG001

MZ00013456  AC149475.2_FG003"|awk '{if($0 &&($2 in a))a[$2]=a[$2]"|"$1;else if ($0) a[$2]=$1;}END{for(x in a){print x,a[x];print ""}}'
AC149475.2_FG003 MZ00013456

AC148152.3_FG005 MZ00024296

AC148152.3_FG006 MZ00047079

AC148152.3_FG008 MZ00028122|MZ00032922|MZ00048218

AC148167.6_FG001 MZ00024680

 sed -r '1{h;d};H;${x;s/(\S+)\s+(\S+)/\2\t\1/g;:a;s/(\S+\t)([^\n]*)(\n+)\1([^\n]*)\n*/\1\2|\4\3/;ta;p};d' input_file