☰

计算并打印标题行后每行中“0”、“1”和“NA”的频率

tag-icon • tag-icon awk
计算并打印标题行后每行中“0”、“1”和“NA”的频率 
Chr     start   stop    superfamily     TE      pres/abs        88      108     139     159     265     350     351     403     410     424     428     430     506     544     546     6
1       8667    8700    MuDR    ATDNAI27T9A     presence        NA      0       0       0       0       0       0       0       0       0       0       NA      0       0       0       0
1       10585   10600   Gypsy   ATHILA6A        presence        NA      0       0       0       0       NA      0       0       0       0       0       0       0       0       0       0
1       15091   15099   Copia   ATCOPIA13       presence        0       0       0       0       0       0       0       0       0       0       0       0       0       0       0       0
1       15894   15898   Gypsy   ATGP1   presence        0       0       NA      0       NA      0       0       0       0       0       1       0       0       0       0       NA      1
1       20514   20532   MuDR    VANDAL8 presence        NA      0       NA      NA      NA      NA      NA      1       0       NA      NA      NA      0       0       0       NA      NA
1       20530   20537   Gypsy   ATGP1   presence        NA      0       0       NA      NA      NA      NA      1       0       NA      NA      NA      0       0       0       NA      NA

以下是我尝试获取“0”和“1”的频率

cat file.bed|awk '{if(NR>1){for (i = 1; i <= NF; i++) if($i==0)print}}'|awk '{count=0;if(NR==1){print $0"\tcount"}else{for (i=8; i<=NF; i++){if ($i==1){count++}}print $0"\t"count}}' > x

我的代码没有给我正确的输出

如何更正我的代码，以便在输出文件末尾添加三列，从而获得 0、1 和 NA 的计数？

0、NA 和 1 需要从第二行开始计数。在第 0 列中，NA 和 1 需要计入第七列及以后

期望的输出：

Chr     start   stop    superfamily     TE      pres/abs        88      108     139     159     265     350     351     403     410     424     428     430     506     544     546     6 count0 count1 countNA freq0 freq1 freqNA 
1       8667    8700    MuDR    ATDNAI27T9A     presence        NA      0       0       0       0       0       0       0       0       0       0       NA      0       0       0       0 14 0 2 0.87 0 0.12

答案1

awk 'BEGIN{ FS=OFS="\t" }
    NR==1 { print $0, "0s", "1s", "NAs" }
     NR>1  { for(i=7; i<=NF; i++) { NAs+=$i=="NA"; ones+=$i==1; total++ };
             print $0, total-ones-NAs, ones, NAs; NAs=ones=total=0;
}' infile >outfile

NAs变量计算“NA”的出现次数。
ones变量计算“1”的出现次数。计算第
total7 个最后一个字段中访问过的字段总数（这可以删除，但为了清楚起见，我使用了*）。是“0”的数量（通过从总数中减去“0”和“NA”）。 重置下一行的变量。
total-ones-NAsNAs=ones=total=0

*：我们可以删除total++并替换total-ones-NAs为NF-6-ones-NAs.

相关内容