Início / coding / Perguntas / 76968878
Accepted
user14714429
Asked: 2023-08-24 19:38:11 +0800 CST

Contando ocorrências de string na segunda coluna que corresponde às primeiras colunas de um arquivo [fechado]

  • 772

Eu tenho este arquivo de texto de entrada:

CD196_RS15035       normal alleles
CD196_RS15035       normal alleles
CD196_RS15035       truncation in the allele
CD196_RS15035       truncation in the allele
CD196_RS15035       no stop for allele
CD196_RS15035       no stop for allele
CD196_RS16835       normal alleles
CD196_RS16835       truncation in the allele
CD196_RS16835       no stop for allele
CD196_RS16835       no stop for allele

Quero contar o número de vezes que cada string ocorre na segunda coluna que corresponde à primeira coluna.

Quero um arquivo de texto de saída como este:

CD196_RS15035  normal alleles  2    truncation in the allele   2    no stop for allele  2
 
CD196_RS16835  normal alleles  1    truncation in the allele   1    no stop for allele  2

Qualquer dica seria útil. Obrigado.

linux

3 respostas

  1. Best Answer

    Com awka matriz multidimensional de:

    awk -F'[ ]{2,}'
  '{ a[$1][$2]+=1 }
   END{ 
       for (i in a) { 
           printf("%s ", i);
           for (j in a[i]) printf("%s %d ", j, a[i][j]); 
           print "";  
       }
   }'
  test.txt

    CD196_RS15035 normal alleles 2 no stop for allele 2 truncation in the allele 2 
CD196_RS16835 normal alleles 1 no stop for allele 2 truncation in the allele 1
    • 1

  2. Uma opção potencial poderia ser 'construir' cada linha percorrendo as variáveis, por exemplo

    awk 'BEGIN {
    FS = OFS = "\t"
}

{
    a[$1 FS $2]++
    b[$1]
    c[$2]
}

END {
    for (i in b) {
        output = i
        for (j in c) {
            output = output FS j FS a[i FS j]
        }
        print output
    }
}' file.txt
CD196_RS15035   normal alleles  2   no stop for allele  2   truncation in the allele    2
CD196_RS16835   normal alleles  1   no stop for allele  2   truncation in the allele    1
    • 1

  3. Supondo que as colunas sejam delimitadas por tabulações, você poderia fazer isso com datamash:

    datamash groupby 1,2 count 2  |

# Join 2nd column and its count
sed 's/\t/ /2'                |

# Collapse on the 1st column
datamash groupby 1 collapse 2

    Saída:

    CD196_RS15035   normal alleles 2,truncation in the allele 2,no stop for allele 2
CD196_RS16835   normal alleles 1,truncation in the allele 1,no stop for allele 2
    • 1

relate perguntas