awk将文件1与文件2和平均字段7匹配

我正在尝试匹配

文件2

中的所有

文件1

名称，如果存在匹配项，则对其进行平均。匹配的字段是

|

符号前面的

$5

，平均值是匹配

$4

的

$7

的总和。谢谢：）

文件1

AGRN 
CYP2J2

文件2

chr1    955543  955763  chr1:955543 AGRN-6|gc=75    1   2
chr1    955543  955763  chr1:955543 AGRN-6|gc=75    2   2
chr1    955543  955763  chr1:955543 AGRN-6|gc=75    3   2
chr1    957571  957852  chr1:957571 AGRN-7|gc=61.2  1   148
chr1    957571  957852  chr1:957571 AGRN-7|gc=61.2  2   149
chr1    957571  957852  chr1:957571 AGRN-7|gc=61.2  3   151
chr1    60381600    60381782    chr1:60381600   CYP2J2-1596|gc=40.7 153 274
chr1    60381600    60381782    chr1:60381600   CYP2J2-1596|gc=40.7 154 273

所需输出（制表符分隔）

到目前为止，我已经尝试过：

awk '
 FNR==NR{d[$0]; next;}          
 {                              
     for(k in d){               
         pat="(^|;)"k":";       
         if($5 ~ pat){
             print;             
             break;
         }
     }
 }' file 1 file2 > output.bed

---

awk

确实运行，但输出文件到目前为止为0字节。谢谢：）。

脚本应如下所示：

test.awk

可以这样说：

awk -f test.awk file1 file2

顺便说一句，您预期输出中的第三个平均值是错误的。输出应如下所示：

chr1:955543 AGRN-6 2
chr1:957571 AGRN-7149.333
chr1:60381600 CYP2J2-1596 273.5

这行中的

-7

发生了什么

chr1:957571 AGRN 149.3

。还有，哪个字段是键$4或$5的一部分，或者两者都是？为什么第一行是AGRN-6，而第二行只是AGRN？为什么要在模式中添加冒号？文件2$5中没有冒号。使用

pat=“^”k”-”

@karakfa部分

$5

是关键，

$7

构成平均值（149.3）。谢谢：）。当我运行时，会生成一个输出文件，但它也是零字节。谢谢：）。原始文件选项卡是否有分隔符？我已将tab添加到潜在分隔符列表中。重试。生成的输出为

chr1:60381600 CYP2J2-1596 273.5

上面的两行不匹配。File1只是列中的名称列表。谢谢：）。你能用你在stackoverflow上发布的数据运行它吗？它起作用了！如果它在家里不起作用，那么你在这里发布了错误的数据。第一行后面有一个空格，导致

awk

看不到它。。。。谢谢你的帮助：）。

BEGIN {
  FS="[ \t|]*"
}
# Read search terms from file1 into 's'
FNR==NR {
    s[$0]
    next
}
{
    # Check if $5 matches one of the search terms
    for(i in s) {
        if($5 ~ i) {

            # Store first two fields for later usage
            a[$5]=$1
            b[$5]=$2

            # Add $9 to total of $9 per $5
            t[$5]+=$8
            # Increment count of occurences of $5
            c[$5]++

            next
        }
    }
}
END {

    # Calculate average and print output for all search terms
    # that has been found
    for( i in t ) {
        avg = t[i] / c[i]
        printf("%s:%s\t%s\t%s\n", a[i], b[i], i, avg)
    }
}

awk -f test.awk file1 file2