在awk中处理文本文件并生成新文件

我有一个文本文件，如以下小示例：

chr10:102721669-102724893   3217    3218    5
chr10:102721669-102724893   3218    3219    1
chr10:102721669-102724893   3219    3220    5
chr10:102721669-102724893   421 422 1
chr10:102721669-102724893   858 859 2
chr10:102539319-102568941   13921   13922   1
chr10:102587299-102589074   1560    1561    1
chr10:102587299-102589074   1565    1566    1
chr10:102587299-102589074   1595    1596    1
chr10:102587299-102589074   944 945 1

预期输出如下所示：

chr10:102721669-102724893   3217    3218    5   CA
chr10:102721669-102724893   3218    3219    1   CA
chr10:102721669-102724893   3219    3220    5   CA
chr10:102721669-102724893   421 422 1   BA
chr10:102721669-102724893   858 859 2   BA
chr10:102539319-102568941   13921   13922   1   NON
chr10:102587299-102589074   1560    1561    1   CA  
chr10:102587299-102589074   1565    1566    1   CA
chr10:102587299-102589074   1595    1596    1   CA
chr10:102587299-102589074   944 945 1   BA

输入有

4个选项卡分隔的

列，而在输出中，我又有一个列，包含3个不同的类（

CA、NON或BA

）。 1-如果输入中的

第1列

未重复，则在输出的

第5列

中，它将被分类为非 2-如果

（紧跟在“：”（在第一列）+第二列中）之后的数字“-”（在第一列中）小于-30（表示-31或更小），则该行将被归类为BA

。例如，在最后一行：

（102587299+944）-102589074=-831，因此此行被归类为BA

3-如果

（紧跟在“：”之后的数字）（在第1列）+第2列）-紧跟在“-”（在第1列）之后的数字等于或大于-30（意思是-30或-29），则该行将被归类为CA

。例如，第1行：

(102721669 + 3217) - 102724893 = -7

我正在

awk

中尝试这样做

awk -F "\t"":""-" '{if($2+$4-$3 < -30) ; print $7 = BA,  if($2+$4-$3 >= -30) ; print $7 = CA}' file.txt > out.txt

awk-F“\t”：“-”{if（$2+$4-$3<-30）；print$7=BA，if（$2+$4-$3>=-30）；print$7=CA}”file.txt>out.txt

但它并没有回报我所期望的。你知道怎么修吗？

试试看

$ awk 'BEGIN{FS=OFS="\t"} NR==FNR{a[$1]++; next}
       { split($1, b, /[\t:-]/);
         $5 = a[$1]==1 ? "NON" : (b[2]+$2-b[3]) < -30 ? "BA" : "CA" }
       1' file.txt file.txt
chr10:102721669-102724893   3217    3218    5   CA
chr10:102721669-102724893   3218    3219    1   CA
chr10:102721669-102724893   3219    3220    5   CA
chr10:102721669-102724893   421 422 1   BA
chr10:102721669-102724893   858 859 2   BA
chr10:102539319-102568941   13921   13922   1   NON
chr10:102587299-102589074   1560    1561    1   BA
chr10:102587299-102589074   1565    1566    1   BA
chr10:102587299-102589074   1595    1596    1   BA
chr10:102587299-102589074   944 945 1   BA

$awk'BEGIN{FS=OFS=“\t”}NR==FNR{a[$1]++；next}
{拆分（$1，b，/[\t:-]/）；
$5=a[$1]==1？“非”：（b[2]+$2-b[3]）<-30？“BA”：“CA”}
1'file.txt file.txt
chr10:102721669-102724893 3217 3218 5 CA
chr10:102721669-102724893 3218 3219 1加利福尼亚州
chr10:102721669-102724893 3219 3220 5 CA
chr10:102721669-102724893 421 422 1 BA
chr10:102721669-102724893 858 859 2 BA
chr10:102539319-102568941 13921 13922 1非
chr10:102587299-102589074 1560 1561 BA
chr10:102587299-102589074 1565 1566 1 BA
chr10:102587299-102589074 1595 1596 1 BA
chr10:102587299-102589074 944 945 1 BA

• BEGIN{FS=OFS=“\t”}

  将两个输入/输出字段分隔符设置为tab

• NR==FNR{a[$1]++；next}

  计算第一个字段在文件中出现的次数。输入文件被传递两次，所以在第二次传递时，我们可以根据计数做出决定

• split（$1，b，/[\t:-]/）

  进一步拆分第一列，结果保存在

  b

  数组中
• 代码的其余部分根据给定的条件指定第5个字段，并打印修改后的行

进一步阅读