我有一个长文本文件,其中包含以下列,以空格分隔:
Id Pos Ref Var Cn SF:R1 SR He Ho NC
cm|371443199 22 G A R Pass:8 0 1 0 0
cm|371443199 25 C A M Pass:13 0 0 1 0
cm|371443199 22 G A R Pass:8 0 1 0 0
cm|367079424 17 C G S Pass:19 0 0 1 0
cm|371443198 17 G A R Pass:18 0 1 0 0
cm|367079424 17 G A R Pass:18 0 0 1 0
我想生成一个表,列出每个唯一 ID 以及计数:
- 该 ID 出现了多少次
- 其中有多少行已通过(第 6 列)
- 有多少个有价值
He
(第 8 列) - 有多少个有价值
Ho
(第 9 栏)
在这种情况下:
Id CountId Countpass CountHe CountHO
cm|371443199 3 3 2 1
cm|367079424 2 2 0 2
我怎样才能生成该表?
答案1
perl
使用假设的一种方法infile
包含您的问题的内容(ID 在输出中不一定按相同的顺序,因为我使用哈希来保存它们):
内容script.pl
:
use strict;
use warnings;
my (%data);
while ( <> ) {
## Omit header.
next if $. == 1;
## Remove last '\n'.
chomp;
## Split line in spaces.
my @f = split;
## If this ID exists, get previously values and add values of this
## line to them. Otherwise, begin to count now.
my @counts = exists $data{ $f[0] } ? @{ $data{ $f[0] } } : ();
$counts[0]++;
$counts[1]++ if substr( $f[5], 0, 4 ) eq q|Pass|;
$counts[2] += $f[7];
$counts[3] += $f[8];
splice @{ $data{ $f[0] } }, 0, @{ $data{ $f[0] } }, @counts;
}
## Format output.
my $print_format = qq|%-15s %-10s %-12s %-10s %-10s\n|;
## Print header.
printf $print_format, qw|Id CountId CountPass CountHe CountHo|;
## For every ID saved in the hash print acumulated values.
for my $id ( keys %data ) {
printf $print_format, $id, @{ $data{ $id } };
}
像这样运行它:
perl script.pl infile
具有以下输出:
Id CountId CountPass CountHe CountHo
cm|371443198 1 1 1 0
cm|371443199 3 3 2 1
cm|367079424 2 2 0 2
答案2
这里有一个解决方案,awk
使用4个数组来统计你需要的4条信息。然后将输出awk
输入其中column
,将列很好地对齐。 (请注意,这也可以通过awk
使用来完成printf
。)
awk 'NR>1 {
id[$1]++
if($6 ~ /Pass/) pass[$1]++
if($8 ~ /1/) he[$1]++
if($9 ~ /1/) ho[$1]++
}
END {
print "Id CountId Countpass CountHe CountHO"
for(i in id)
print i" "id[i]" "(pass[i]?pass[i]:0)" "(he[i]?he[i]:0)" "(ho[i]?ho[i]:0)
}' input.txt | column -t
输出:
Id CountId Countpass CountHe CountHO
cm|371443198 1 1 1 0
cm|371443199 3 3 2 1
cm|367079424 2 2 0 2