Bash 具有两个文件输入的AWK-输出取决于两个输入文件之间的一致性

这是一个很长的解释，但我认为问题对你们大家来说都很简单。下面是：

我有两个输入文件。其中一个看起来像这样：

data.frq
     CHR  SNP   A1   A2          MAF  NCHROBS
       2  fa0    T    C       0.2067      300

此文件存在于1000个文件夹中（

/home/user/data/run1/data.frq

到

/home/user/data/run1000/data.frq

），用于重复运行，并且特定于该运行

另一个：

1 G
2 G
3 T
4 G
5 T
6 G
7 T
8 G
9 T
10 T
11 T
12 C
13 A
14 G
15 G
...
1000 C

我需要做的是查看每个

data.frq

文件（上面的第一个输入文件），并报告

MAF

（在第5列中，值为0.2067）。到目前为止，我可以用这个AWK脚本完成这项工作：

awk 'FNR == 2 {print FILENAME, $5}' data/run*/data.frq | sort -V

其输出如下：

run-1/data/data.frq 0.91333
run-2/data/data.frq 0.94667
run-3/data/data.frq 0.93333
run-4/data/data.frq 0.8867
run-5/data/data.frq 0.88
run-6/data/data.frq 0.8267
run-7/data/data.frq 0.8533
run-8/data/data.frq 0.7133
run-9/data/data.frq 0.9
run-10/data/data.frq 0.8333
run-11/data/data.frq 0.7867
run-12/data/data.frq 0.86
run-13/data/data.frq 0.92667
run-14/data/data.frq 0.8867
run-15/data/data.frq 0.94
down to run-1000

到目前为止，这个输出非常好，但我不知道如何处理上面的第二个输入文件，并将其与第一个进行比较。如果输入2的第二列（在本例中，它是运行1的G）与输入1的第三列不同，我需要1-MAF（1-$5）。如果它们是一样的，我需要MAF（$5）。所以基本上，我需要知道如何将if语句放入我的awk脚本中：

if $2 of file2 == $3 of file1, print $5 of file1
else print (1-$5) of file1

因此，对于上面的示例，它将打印0.7933（这是1-MAF，因为G！=T）

---

希望这对某些人来说是有意义的

我在这里假设“file2”的第一列（您没有其他名称）包含运行编号，以便您可以使用字符串连接计算相应的

data.frq

文件的名称：

frq = "run-" $1 "/data/data.frq"

（这里我使用的是示例输出，而不是问题描述。精度总是很有用：）

这基本上允许一个相当简单的

awk

程序。这里有一种可能性，有很多评论

awk '{
        # construct the filename for the data file
        frq = "run-" $1 "/data/data.frq"
        # read (and ignore) the first line
        getline tmp<frq
        # read the second line
        getline tmp<frq;
        # and split it into fields
        split(tmp, field)
        # Now do the computation
        if ($2 == field[3]) print frq, field[5]
        else print frq, 1 - field[5]
        # Close the input file so we don't run out of fd's
        close(frq)
     }' file2

awk'{
#构造数据文件的文件名
frq=“运行-“$1”/data/data.frq”
#阅读（并忽略）第一行
getline tmp我在这里假设“file2”的第一列（您没有其他名称）包含运行编号，以便您可以使用字符串连接计算相应的
data.frq
文件的名称：

frq = "run-" $1 "/data/data.frq"

（这里我使用的是示例输出，而不是问题描述。精度总是很有用：）

这基本上允许一个相当简单的
awk
程序

awk '{
        # construct the filename for the data file
        frq = "run-" $1 "/data/data.frq"
        # read (and ignore) the first line
        getline tmp<frq
        # read the second line
        getline tmp<frq;
        # and split it into fields
        split(tmp, field)
        # Now do the computation
        if ($2 == field[3]) print frq, field[5]
        else print frq, 1 - field[5]
        # Close the input file so we don't run out of fd's
        close(frq)
     }' file2

awk'{
#构造数据文件的文件名
frq=“运行-“$1”/data/data.frq”
#阅读（并忽略）第一行
getline tmp可能类似于以下内容（为清晰起见插入格式）：

awk'NR==FNR{v[$1]=$2}
NR！=FNR{如果（$2！=v[$1]）
$3 = 1.0 - $3;
打印$1，$3
}'file2.txt可能类似于以下内容（为清晰起见插入格式）：

awk'NR==FNR{v[$1]=$2}
NR！=FNR{如果（$2！=v[$1]）
$3 = 1.0 - $3;
打印$1，$3
}'file2.txt是一厢情愿的想法，还是在基因组学领域有一个巨大的awk编码器尚未开发的市场？；-）…我认为在使用awk之前，您必须将其中一个文件存储在数组中或合并文件，因为没有办法（我知道）要做
如果$2的file2==$3的file1，打印$5的file1
。祝你好运！@shelleter:有趣的营销建议：）这是一厢情愿的想法，还是awk编码器在基因组学领域有一个巨大的未开发的市场？；-）…我认为你必须在使用awk之前将其中一个文件存储在数组中或合并文件，因为没有办法（我知道）要做
如果file2的$2==file1的$3，打印file1的$5
。祝你好运！@sheller:有趣的营销建议：）+1看起来不错。也许有必要明确指出，
NR==FNR
意味着第一个块在第一个文件上运行（以及为什么）。此外，您可以在第一个块中使用
next
，而不是在第二个块中使用一个条件。@TomFenech我将添加一点关于NR/FNR的内容。关于
next
的观点是有效的，但我不完全确定它是否真的在效率方面有所提高-也可以完全在一个无条件块中使用额外的
if。给猫剥皮的方法通常不止一种。
cat
…我肯定没有双关语的意思。从效率的角度来看，我不是这个意思，只是检查两个相互排斥的条件对我来说很奇怪。我同意，完全是口味的问题。+1看起来不错。也许值得明确的是，
NR==FNR
意味着什么第一个块对第一个文件进行操作（以及原因）。此外，您可以在第一个块中使用
next
，而不是在第二个块中使用一个条件。@TomFenech我将添加一点关于NR/FNR的内容。关于
next
的观点是有效的，但我不完全确定它是否真的在效率方面有所提高-也可以完全在一个无条件块中使用额外的
if。给猫剥皮的方法通常不止一种，
cat
。我肯定这不是双关语。我不是说从效率的角度来看，我只是觉得检查两种相互排斥的条件很奇怪。我同意，这完全是口味的问题。谢谢！我运行得很好。我可能要求的另一件事是这是一种质量控制措施。你能让它在另外两列中从文件1和文件2输出$3吗？这样我们可以看到它们是否相同，如果它们相同，如果一切正常，值应该小于0.5。再次感谢，这非常有帮助。谢谢！我运行得很好。我还想说一件事ht请求是一种质量控制措施。你能让它在另外两列中从文件1和文件2输出$3吗？这样我们可以看到它们是否相同，如果相同，如果一切正常，值应该小于0.5。再次感谢，这非常有用。