如何在Perl中为两行数据查找不同的列

我有6列这样的数据

LINES XY1  XY2  XY3  XY4  XY5
P1    Z/Z  T/T  -/-  T/T  T/T
P2    A/A  A/A  G/G  Z/Z  T/T
1     G/G  T/T  G/G  T/T  G/G
2     T/T  A/A  C/C  C/C  T/T
3     T/T  G/G  T/T  G/G  T/T
4     A/A  C/C  A/A  A/A  A/A
5     A/A  A/A  T/T  T/T  A/A

我想找出哪些列（从

XY1

到

XY5

）对于行

P1

和

P2

是不同的。相等意味着

P1

和

P2

包含相同的字母（等位基因），或者它们中的任何一个是

Z/Z

或

-/-

我将比较

1

到

5

行中的列与

P2

跨列

XY1

到

XY5

。如果它们与输出匹配，则应包含

1

，否则

0

。我继续这个过程，我的程序遇到了第二组

P1

和

P2

行

我将计算从

1

到

5

的行总数，仅包括

P1

和

P2

之间不同的列

我将通过将总和除以

P1

和

P2

之间不同的列数来计算

1

到

5

行的行百分比

我期待这样的输出

LINES XY1  XY2  XY3  XY4  XY5       
P1    eq   nq   eq   eq   eq   SUM  %
P2                                  1   
1     0    0    1    0    0    0    0
2     0    1    0    0    1    1    100
3     0    0    0    0    1    0    0
4     1    0    0    0    0    0    0
5     1    1    0    0    0    1    100

我有超过5000行的数据，目前我正在用不同的公式在Excel 2010中工作，但这占用了我很多精力

我想用Perl来做这个，但我是Perl的新手。我已成功地将文件读取到屏幕上

下面是我为文件读取部分编写的代码

#!/usr/bin/perl
use strict;
use warnings;

use Text::CSV;

my $file = 'csv.csv';

my $csv = Text::CSV->new();

open(CSV, "<", $file) or die $!;

while (<CSV>) {
  if ($csv->parse($_)) {
    my @columns = $csv->fields();
    print "@columns\n";
  }
  else {
    my $err = $csv->error_input;
    print "Failed to parse line: $err";
  }
}

close CSV;

#/usr/bin/perl
严格使用；
使用警告；
使用Text：：CSV；
my$file='csv.csv'；
my$csv=Text:：csv->new（）；
打开（CSV），此程序似乎可以执行您需要的操作。它需要输入文件的路径作为命令行上的参数。生成的输出将发送到
STDOUT

很多人不相信我的话，但使用
Text:：CSV
解析制表符分隔的数据是错误的。它需要设置分隔符，并禁用引号和转义选项，如果操作正确，它最终的行为与
split/\t/
相同。您不能说数据是制表符分隔的还是空白分隔的ed，但由于您似乎没有包含空格的数据，因此我假设为后者。这种数据的解析非常简单，只需使用
split

它的工作原理是检查输入的每一行，查看它是
P1
行、
P2
行、编号行还是其他任何行（假定为标题行）


当遇到标题行时，后续行的
printf
格式将从标题字段的间距导出，并将该行复制到输出

当遇到
P1
行时，数据只需保存在
@P1

当遇到
P2
行时，数据保存在
@P2
中，以便与后续数据进行比较。适当的
P1
和
P2
行将打印到输出中，并计算一个数组
@enquality
，该数组包含
P1
数据不匹配的列的索引<代码>P2

数据

将编号的数据行逐列与保存在

@p2

中的数据进行比较，并相应地将

1

或

0

插入相应的输出列中。

$sum

的值是通过将

@不等
数组中列出的输出列的值相加而计算出来的。百分比Age的计算方法是除以
@enquality
中的条目数，然后将数据打印到输出中

注意

不清楚“第二组P1和P2”是如何开始的，因此此代码可能无法正确处理它。您也没有说明要如何显示分数百分比，因此此代码只打印类似

33.3333

的内容

另外，您没有说输出

P2

行末尾的

1

指示了什么，所以我只是照本宣科地复制了它

use strict;
use warnings;

sub compare_alleles {
  return 1 if grep {$_ eq '-/-' or $_ eq 'Z/Z' } @_;
  return $_[0] eq $_[1] ? 1 : 0;
}

my $format;
my (@p1, @p2);
my @unequal;

while (<>) {

  unless (/^(P?\d)/) {
    my @widths;
    push @widths, $+[1] - $-[1] while /(\S+\s*)/g;
    pop @widths;
    push @widths, $widths[-1], $widths[-1];
    $format = join '', map("%-${_}s", @widths, ''), "\n";
    print;
    next;
  }

  my @fields = split;

  if ($fields[0] eq 'P1') {
    @p1 = @fields;
  }
  elsif ($fields[0] eq 'P2') {
    @p2 = @fields;
    printf $format, 'P1', map (compare_alleles($p1[$_], $p2[$_]) ? 'eq' : 'nq', 1..5), 'SUM', '%';
    printf $format, 'P2', map('', 1..5), '', '1';
    @unequal = grep { not compare_alleles($p1[$_], $p2[$_]) } 1..5;
  }
  else {
    my @columns = ($fields[0], map { $fields[$_] eq $p2[$_] ? 1 : 0 } 1..5);
    my $sum = 0;
    $sum += $_ for @columns[@unequal];
    my $percent = $sum == 0 ? 0 : $sum * 100 / @unequal;
    printf $format, @columns, $sum, $percent;
  }
}

---

哇，这是一个很高的要求。你甚至没有说你的数据是否用制表符分隔。你使用了默认的逗号分隔符

Text:：CSV

。亲爱的borodin非常感谢你的帮助。请忽略我在%计算中使用的P1和P2之间的NQ之和1。我在excel中的数据看起来像我的标题行（行，XY1到XY5）（这对于所有集合都是相同的）后面是带有P1（parent1）和P2（parent2）的行，后面是带有线条（脱离弹簧）的行，如此序列。第二个集合将继续这样，其结果为XY1到XY5（这些XY编号可能会在某一时间发生变化）。我想将%表示为4位数字，如89.94。在使用代码后，我在第19行的串联中遇到了类似使用未初始化的vlaue$uuu的错误。感谢您可以设置粘贴箱吗？如果您自己无法解决此问题，我需要查看确切的文件内容。还请显示您希望多个数据集的输出。@user2134713:请不要Don’不要试图通过编辑我的答案来扩展您的问题。您可以在问题中添加少量数据，也可以在上面创建一个页面并链接到该页面。亲爱的Borodin，感谢您的回复，这是pastebin的链接。我给出了三个父集合的示例数据，并且第一个集合的结果符合预期。希望我解释得很好。谢谢

LINES XY1  XY2  XY3  XY4  XY5
P1    eq   nq   eq   eq   eq   SUM  %
P2                                  1
1     0    0    1    0    0    0    0
2     0    1    0    0    1    1    100
3     0    0    0    0    1    0    0
4     1    0    0    0    0    0    0
5     1    1    0    0    0    1    100