使用 linux 查找和替换制表符分隔文件中列中的值

Question

例如，我有以下数据：

Name  Chrom  Position
rs1    1     1234  
rs2    1     1789   
rs3    1     1289   
1      1     1269   
2      1     1897

我想找到第一列中不包含字符串 "rs" 的所有行并替换为 rs'chrom''position'。名称 1 看起来像 rs11269。

它最终看起来像这样：

Name  Chrom  Position   
rs1     1     1234  
rs2     1     1789   
rs3     1     1289   
rs11269 1     1269   
rs11897 1     1897

我知道我可以用 awk

awk '!/rs/{print }' file

并且它会在第一列中找到所有不包含字符串 "rs" 的行，但是我现在如何进一步将其替换为我自己的从 chrom 和位置构建的 rs ID？我会使用 gsub 还是其他东西？这不一定要在 shell 命令中，但 Perl 也是可以使用的另一种选择。谢谢您的帮助。

Answer 1

你可以使用这个命令：

$ awk 'BEGIN{FS=OFS="\t"}NR>1&&!(~/rs/){="rs"}1' file
Name     Chrom  Position
rs1      1      1234
rs2      1      1789
rs3      1      1289
rs11269  1      1269
rs11897  1      1897

使用BEGIN{FS=OFS="\t"}我们将输入和输出字段分隔符设置为制表符，使用NR>1&&!(~/rs/)我们过滤不是第一个（header）的行在第一个字段中包含字符串 "rs"，使用 {="rs"} 我们将第一个字段的值更改为所需的值。最后的1是真条件，所以所有的行都被打印出来了。

Answer 2

perl中的解决方法：

#!/usr/bin/perl 

use strict; 
use warnings; 

use Data::Dumper;

my $row;

#   Open file to read.
open (my $FH, '<', 'test') or die ($!);

# Write new updated file.
open (my $OUT, '>', 'updated_test') or die ($!);


while (my $line = <$FH>){
    chomp($line);
    my @val = split( "\t" , $line );

    if ( $val[0] !~  m/rs/ ) { 
        my $row = "rs" . $val[0] . $val[1] . $val[2] . "\t" . $val[1] . "\t" . $val[2];
        print $OUT $row."\n";
    } 
    else{
        print $OUT $line."\n";
    }
}

close $FH;  
close $OUT;

输出：

Name  Chrom  Position   
rs1     1     1234  
rs2     1     1789   
rs3     1     1289   
rs11269 1     1269   
rs11897 1     1897

使用 linux 查找和替换制表符分隔文件中列中的值

Using linux to find and replace the a value in a column in a tab delimited file

linux

perl

awk

bioinformatics