☰

其他列的每个特定字符的“A 和 B”频率

tag-icon • tag-icon command-line text-formatting
其他列的每个特定字符的“A 和 B”频率

我想知道 $3 和 $4 列中 A 和 B 对于 $1 列中存在的每个不同字符的频率。 Linux 中的命令行。

例子我的输入：

ID01 a1 A B
ID01 a2 A B
ID01 a3 A B
ID02 a1 B B
ID02 a2 B B
ID02 a3 B B
OA03 a1 A A
OA03 a2 A A
OA03 a3 A A
EA04 a1 -- --
EA04 a2 -- --
EA04 a3 -- --

我要这个输出：

ID01 A 0.50
ID01 B 0.50
ID02 A 0.00
ID02 B 1.00
OA03 A 1.00
OA03 B 0.00
EA04 A 0.00
EA04 B 0.00

我怎样才能做到这一点？谢谢你！

答案1

适应基于关联数组的 awk 解决方案的一种方法是连接每个$3和的内容，然后利用返回替换数的事实来计算和在各自中的出现次数$4$1ENDgsubAB字符串。例如：

awk '{
  a[$1]=a[$1]$3$4; 
  next;
} 
END{
  for (i in a) {
  n = length(a[i]) == 0 ? 1 : length(a[i]); # avoid div-by-zero
  printf "%s A %.1f\n", i, gsub(/A/,"",a[i])/n; 
  printf "%s B %.1f\n", i, gsub(/B/,"",a[i])/n;}
}' input
EA04 A 0.0
EA04 B 0.0
OA03 A 1.0
OA03 B 0.0
ID01 A 0.5
ID01 B 0.5
ID02 A 0.0
ID02 B 1.0

相关内容