数据结构

数据结构

File1 看起来像这样(代谢途径:基因):

A:1
A:2
A:3
B:a
B:b
C:pp
D:rr

如何获取如下所示的输出文件(名为 File1.new):

A:1, 2, 3
B:a, b
C:pp
D:rr

我是一名 Linux 初学者。最好有简单的解释!

答案1

这是 awk 的工作。

awk -F: '{L[$1]=L[$1] "," $2} 
    END { for (l in L) printf "%s:%s\n",l,substr(L[l],2);}'

在哪里

  • -F:用作:分隔符
  • {L[$1]=L[$1] "," $2}存储由字段 1 索引的逗号分隔值
  • END在文件末尾
  • for (l in L) 循环遍历值
  • printf "%s:%s\n",l,substr(L[l],2);打印,跳过第一个逗号
  • 您可以使用","", ",相应地调整最终的子字符串。

awk 可以是单行的,使用

awk -F: '....' File1 > File3

要对基因进行计数,只需添加一个 var tou count(此处为 G)。

{L[$1]=L[$1] "," $2;G[$1]++} 
END { for (l in L) printf "%s:%s:%d\n",l,substr(L[l],2),G[l];}

答案2

GNU 数据混合

datamash -t: groupby 1 collapse 2 < file
A:1,2,3
B:a,b
C:pp
D:rr

如果你也想要计数,

datamash -t: groupby 1 collapse 2 count 2 < file
A:1,2,3:3
B:a,b:2
C:pp:1
D:rr:1

countunique如果您想要唯一字段的数量,您也可以。

答案3

数据结构

 %h = (
     ...
      B => [a, b],
      A => [1, 2, 3],
     ...
 );


perl -F':' -lane '
   push @{$h{$F[0]}}, $F[1]}{
   $"=",";
   print "$_:", "@{$h{$_}}|", scalar @{$h{$_}} for keys %h;
' File1 > File1.new

简短的

The field separator is set to a semicolon, thus populating each time a line is read in afresh 
the @F array. Then we append the 2nd field, $F[1], to the array of hash
keyed in on the 1st field, $F[0]. At the end, we display the key name,
followed by the array contents corresponding to this key, & the count of
the array as well.

输出

A:1,2,3|3
B:a,b|2
C:pp|1
D:rr|1

塞德

sed -e '
  :loop
     $!N
     s/^\(\([^:]*\):.*\)\n\2:\(.*\)/\1,\3/
   tloop
   P;D
' yourfile

相关内容