☰

如何计算一行中模式的出现次数

tag-icon • tag-icon text-processing
如何计算一行中模式的出现次数

我有一个包含三列的文件。第 3 列包含基因名称，如下所示：

Rv0729,Rv0993,Rv1408  
Rv0162c,Rv0761c,Rv1862,Rv3086  
Rv2790c

如何打印每行中的基因数量？

答案1

您只想添加一列及其中的列数。这可以使用以下方法完成awk：

$ awk -F ',' '{ printf("%d,%s\n", NF, $0) }' data.in
3,Rv0729,Rv0993,Rv1408
4,Rv0162c,Rv0761c,Rv1862,Rv3086
1,Rv2790c

NF是一个awk变量，包含当前记录（行）中的字段（列）数。我们为每一行打印这个数字，后跟一个逗号和该行的其余部分。

另一种选择（相同的结果，但可能看起来更干净）：

$ awk -F ',' 'BEGIN { OFS=FS } { print NF, $0 }' data.in

FS是字段分隔符，用于将每个记录拆分为字段，我们在命令行上将awk其设置为逗号（如第一个解决方案中所示）。是个-F ','OFS输出FS字段分隔符，我们将其设置为与读取第一行输入之前相同。

答案2

如果您想计算模式的出现次数Rv[0-9]{4}c?，而不是像问题主题所示的逗号分隔字段的数量，您可以这样做：

 awk '{print gsub(/Rv[0-9]{4}c?/, "&"), $0}'

答案3

Perl 方法：

$ perl -F, -pae 's/^/$#F+1 . ","/e' file
3,Rv0729,Rv0993,Rv1408  
4,Rv0162c,Rv0761c,Rv1862,Rv3086  
1,Rv2790c

品牌-a​perl行为类似于awk分割由 给定的字符串上的每个输入行-F，并将结果字段保存到数组中@F。因此，$#F是 中的最高数组索引@F，并且由于数组从 开始计数0，$#F+1因此 是数组中元素的总数。意思-p是“在应用 给定的脚本后打印每个输入行-e。这是替换运算符，这里用字段数 + 1 和逗号 ( )s///替换行的开头 ( ) 。^$#F+1 . ","

答案4

您的问题表明第 3 列包含基因名称。我假设您的实际输入如下：

column1 column2 Rv0729,Rv0993,Rv1408  
column1 column2 Rv0162c,Rv0761c,Rv1862,Rv3086  
column1 column2 Rv2790c

第 3 列中的每个基因名称都包含前导Rv子字符串。因此我们可以在 python 中这样计算它们：

$ python -c  "import sys;print map(lambda x: x.split()[2].count('Rv'),sys.stdin.readlines())"  < input.txt               
[3, 4, 1]

结果列表显示每行中基因的计数，按各自的顺序。如果我们想让它更详细并包括基因可能不包含“Rv”字符串的可能性（但保留列3是逗号分隔值字符串的假设），我们还可以执行以下操作：

#!/usr/bin/env python
import sys
with open(sys.argv[1]) as fd:
    for index,line in enumerate(fd):
        columns = line.strip().split()
        num_genes=len(columns[2].split(","))
        print("Line "+str(index)+" contains "+str(num_genes))

测试运行：

$ ./count_genes.py input.txt                                                                                             
Line 0 contains 3
Line 1 contains 4
Line 2 contains 1

相关内容