Parsing 对字符串计数进行数学计算（以及使用awk进行文本解析）

我有一个4列文件input.file，其标题为：

something1 something2 A B

后跟许多格式相同的4列行，例如：

ID_00001 1 0 0
ID_00002 0 1 0
ID_00003 1 0 0
ID_00004 0 0 1
ID_00005 0 1 0
ID_00006 0 1 0
ID_00007 0 0 0
ID_00008 1 0 0

其中，1 0 0代表AA，0 1 0表示AB，0 0 1表示BB

首先，我想创建一个第五列来识别这些表示：

ID_00001 1 0 0 AA
ID_00002 0 1 0 AB
ID_00003 1 0 0 AA
ID_00004 0 0 1 BB
ID_00005 0 1 0 AB
ID_00006 0 1 0 AB
ID_00007 0 0 0 no data
ID_00008 1 0 0 AA

请注意，需要从标题行的第3列和第4列解析A和B，因为它们并不总是A和B

接下来，我想对新列5的计数进行如下计算：

(2BB + AB) / 2(AA + AB + BB)

使用该示例，数学将给出：

21+3/23+3+1=5/14=0.357

我想将其附加到所需输出文件output.file的末尾：

ID_00001 1 0 0 AA
ID_00002 0 1 0 AB
ID_00003 1 0 0 AA
ID_00004 0 0 1 BB
ID_00005 0 1 0 AB
ID_00006 0 1 0 AB
ID_00007 0 0 0 no data
ID_00008 1 0 0 AA

B_freq = 0.357

到目前为止，我有：

awk '{ if ($2 = 1) {print $0, $5="AA"} \
else if($3 = 1) {print $0, $5="AB"} \
else if($4 = 1) {print $0, $5="BB"} \
else {print$0, $5="no data"}}' input.file > output.file

显然，我无法理解如何解析第1行（标题行，编辑掉第1列）中的信息，更不用说数学了

---

谢谢大家

更结构化的方法

NR==1 {a["100"]=$3$3; a["010"]=$3$4; a["001"]=$4$4; print; next}   
      {k=$2$3$4; 
       print $0, (k in a)?a[k]:"no data";
       c[k]++}
END   {printf "\nB freq = %.3f\n",
       (2*c["001"]+c["010"]) / 2 / (c["100"]+c["010"]+c["001"])}

更新 对于非二进制数据，您可以通过一些预处理遵循相同的逻辑。类似的内容应该在主块中起作用：

for(i=2;i<5;i++) v[i]=(($i-0.9)^2<=0.1^2)?1:0;
k=v[2] v[3] v[4];
...

这里，该值在[0.8,1]范围内被量化为1，否则为0

---

要在第一个块中捕获B或替换集h=$4并将其用作printf\n%s freq…，h，2*c…

…如何解析第1列中的信息…？意味着第1行是标题行，很抱歉，更具体地说，我无法解析标题行第3列中的A，并将其放在后续10行的第5列中两次。现在我明白了，请看我的最新答案。您的答案完全适用于所提出的问题。如果我想接受范围>=0.8&&我将附加的预处理脚本放在两个端点之间，那么如何更改代码以允许输入文件主体中第2、3和4列中的每一列的值的范围{和原始脚本中的printf。与原始脚本相比，我生成了一个有效但未更改的输出。我不确定是否将附加脚本放在了错误的位置，或者它是否不工作。谢谢。它应该位于主块中，在k=行之前，并使用“k”的新定义。它工作了！！现在花一些时间来弄清楚到底是什么完成了！非常感谢您的帮助。如何将标题行第4列的实际值（不同输入文件中的不同字符串）合并到输出文件的最后一行中，而不是使用\nB freq？谢谢