我想获得同一基因家族转录本的相关系数的中值。
输入文件:
Trancript_id Correaltion coefficient R Gene_name Transcript_name
ENST00000588750 0.29000968 APOC1 APOC1-202
ENST00000592535 0.066122367 APOC1 APOC1-208
ENST00000592885 0.021134868 APOC1 APOC1-209
ENST00000589078 -0.026632376 APOC1 APOC1-204
ENST00000507983 0.027572878 APOC1P1 APOC1P1-201
ENST00000575148 0.022259741 APOC1P1 APOC1P1-204
ENST00000574565 0.162023776 APOC1P1 APOC1P1-203
ENST00000590360 -0.040690609 APOC2 APOC2-203
ENST00000585786 0.120824189 APOC2 APOC2-202
ENST00000343267 -0.022932868 APOD APOD-201
ENST00000458447 -0.013565352 APOD APOD-204
ENST00000463719 0.114022335 APOD APOD-205
ENST00000252486 0.006889061 APOE APOE-201
ENST00000446996 0.005700132 APOE APOE-204
ENST00000434152 0.220318481 APOE APOE-203
输出文件:
Trancript_id Gene_name r median r
ENST00000588750 APOC1 0.29000968 0.043628618
ENST00000592535 APOC1 0.066122367
ENST00000592885 APOC1 0.021134868
ENST00000589078 APOC1 -0.026632376
ENST00000507983 APOC1P1 0.027572878 0.027572878
ENST00000575148 APOC1P1 0.022259741
ENST00000574565 APOC1P1 0.162023776
ENST00000590360 APOC2 -0.040690609 0.04006679
ENST00000585786 APOC2 0.120824189
ENST00000343267 APOD -0.022932868 -0.013565352
ENST00000458447 APOD -0.013565352
ENST00000463719 APOD 0.114022335
ENST00000252486 APOE 0.006889061 0.006889061
ENST00000446996 APOE 0.005700132
ENST00000434152 APOE 0.220318481
答案1
您可以使用GNU 数据混合计算分组中位数。假设列是一般空格分隔的(如果它们是制表符分隔的,您可以省略该--whitespace
选项;对于 CSV 格式使用-t,
):
$ datamash --whitespace --headers groupby 3 median 2 < Input_file
GroupBy(coefficient) median(Correaltion)
APOC1 0.0436286175
APOC1P1 0.027572878
APOC2 0.04006679
APOD -0.013565352
APOE 0.006889061
由于您的数据是在 上排序的Gene_name
,因此您可以将join
结果返回到输入列:
$ datamash --headers --whitespace groupby 3 median 2 < Input_file |
join --header -o1.1,0,1.2,2.2 -13 -21 Input_file -
Trancript_id coefficient Correaltion median(Correaltion)
ENST00000588750 APOC1 0.29000968 0.0436286175
ENST00000592535 APOC1 0.066122367 0.0436286175
ENST00000592885 APOC1 0.021134868 0.0436286175
ENST00000589078 APOC1 -0.026632376 0.0436286175
ENST00000507983 APOC1P1 0.027572878 0.027572878
ENST00000575148 APOC1P1 0.022259741 0.027572878
ENST00000574565 APOC1P1 0.162023776 0.027572878
ENST00000590360 APOC2 -0.040690609 0.04006679
ENST00000585786 APOC2 0.120824189 0.04006679
ENST00000343267 APOD -0.022932868 -0.013565352
ENST00000458447 APOD -0.013565352 -0.013565352
ENST00000463719 APOD 0.114022335 -0.013565352
ENST00000252486 APOE 0.006889061 0.006889061
ENST00000446996 APOE 0.005700132 0.006889061
ENST00000434152 APOE 0.220318481 0.006889061
如果您确实需要将中值仅附加到每组的第一行,则可以通过管道将整个内容传输到awk 'seen[$2]++ {NF--} 1'
.