BASH

Question

我有以下制表符分隔的文件：

A1      A1      0       0       2       1       1 1     1 1     1 1     2 1     1 1
A2      A2      0       0       2       1       1 1     1 1     1 1     1 1     1 1
A3      A3      0       0       2       2       1 1     2 2     1 1     1 1     1 1
A5      A5      0       0       2       2       1 1     1 1     1 1     1 2     1 1

我们的想法是总结第 7 列（包括在内）和添加到文件末尾的新列末尾之间的信息。

这样做的规则是：

如果行中（第 7 列和末尾之间）“2”的总数为 0：将“1 1”添加到新的最后一列
如果行中“2”的总数（第 7 列和末尾之间）为 1：将“1 2”添加到新的最后一列
如果行中（第 7 列和末尾之间）“2”的总数为 2 或更多：添加“2 2”到新的最后一列

我开始使用以下命令提取我想要处理的列：

awk '{for (i = 7; i <= NF; i++) printf $i " "; print ""}' myfile.ped > tmp_myfile.txt

然后我计算每行中出现的次数：

sed 's/[^2]//g' tmp_myfile.txtt | awk '{print NR, length }' > tmp_occurences.txt

输出：

然后我的想法是编写一个 for 循环，循环遍历各行以添加新的摘要列。根据我在这里找到的内容，我正在考虑这种结构：http://www.thegeekstuff.com/2010/06/bash-if-statement-examples:

while read line ;
do
    set $line

    If [""==0]
    then
        =="1 1"

    elif [""==1 ]
    then
        =="1 2”

    elif ["">=2 ]
    then 
        ==“2 2”

    else
        print ["error"]

    fi
done < tmp_occurences.txt

但是我被困在这里了。我是否必须在开始循环之前创建新列？我正朝着正确的方向前进吗？

理想情况下，最终输出（合并初始文件的前 6 列和摘要列之后）将是：

A1      A1      0       0       2       1       1 2
A2      A2      0       0       2       1       1 1
A3      A3      0       0       2       2       2 2
A5      A5      0       0       2       2       1 2

感谢您的帮助！

Answer 1

我们可以通过使用 gensub() 和捕获组来保持格式：我们捕获前 6 个字段并替换为它们 + 计算值：

awk '{for (i=7; i<=NF; i++) {
        if ($i==2)
            twos+=1       # count number of 2's from 7th to last field
        }
      f7=1; f8=0          # set 7th and 8th fields's default value
      if (twos)
          f8=2            # set 8th = 2 if sum is > 0
      if (twos>1)
          f7=2            # set 7th = 2 if sum is > 1
      [=10=]=gensub(/^((\S+\s*){6}).*/,"\1 " f7 FS f8, 1) # perform the replacement
      twos=0              # reset counter
  }1' file

单线：

$ awk '{for (i=7; i<=NF; i++) {if ($i==2) twos+=1} f7=1; f8=0; if (twos) f8=2; if (twos>1) f7=2; [=11=]=gensub(/^((\S+\s*){6}).*/,"\1 " f7 FS f8,1); twos=0}1' a
A1      A1      0       0       2       1        1 2
A2      A2      0       0       2       1        1 0
A3      A3      0       0       2       2        2 2
A5      A5      0       0       2       2        1 2

Answer 2

使用 gnu-awk 你可以做到：

awk -v OFS='\t' '{
   c=0;
   for (i=7; i<=NF; i++)
      if ($i==2)
         c++
   if (c==0)
      s="1 1"
   else if (c==1)
      s="1 2"
   else
      s="2 2"
   NF=6
   print [=10=], s
}' file

A1  A1  0   0   2   1   1 2
A2  A2  0   0   2   1   1 1
A3  A3  0   0   2   2   2 2
A5  A5  0   0   2   2   1 2

PS：如果不使用 gnu-awk，您可以使用：

awk -v OFS='\t' '{c=0; for (i=7; i<=NF; i++) {if ($i==2) c++; $i=""} if (c==0) s="1 1"; else if (c==1) s="1 2"; else s="2 2"; NF=6; print [=11=], s}' file

Answer 3

$ cat > test.awk
{
    for(i=1;i<=NF;i++) {                       # for every field
        if(i<7)                                  
            printf "%s%s", $i,OFS              # only output the first 6 
        else a[$i]++                           # count the values of the of the fields
    }
    print (a[2]>1?"2 2":(a[2]==1?"1 2":"1 1")) # output logic
    delete a                                   # reset a for next record
}
$ awk -f test.awk test
A1 A1 0 0 2 1 1 2
A2 A2 0 0 2 1 1 1
A3 A3 0 0 2 2 2 2
A5 A5 0 0 2 2 1 2

借鉴@anubhava 上面的解决方案的一些想法：

$ cat > another.awk
{
    for(i=7;i<=NF;i++)                             
        a[$i]++                                    # count 2s
    NF=6                                           # truncate [=11=]
    print [=11=] OFS (a[2]<2?"1 "(a[2]?"2":"1"):"2 2") # print [=11=] AND 1 AND 1 OR 2 OR 2 AND 2
    delete a                                       # reset a for next record
}

Answer 4

使用 GNU awk 匹配第三个参数():

$ awk '{match([=10=],/((\S+\s+){6})(.*)/,a); c=gsub(2,2,a[3]); print a[1] (c>1?2:1), (c>0?2:1)}' file
A1      A1      0       0       2       1       1 2
A2      A2      0       0       2       1       1 1
A3      A3      0       0       2       2       2 2
A5      A5      0       0       2       2       1 2

对于其他 awk，您需要将 \S/\s 替换为 [^[:space:]]/[[:space:]] 并使用 substr() 而不是 a[]。

BASH - 使用 Loop 和 If 语句从唯一字段中的多个字段汇总信息

BASH - Summarising information from several fields in unique field using Loop and If statements

awk

loops

if-statement

multiple-columns