Início / unix / Perguntas / 433398
Accepted
R-MASHup
Asked: 2018-03-26 03:14:32 +0800 CST

matriz de contagem de um arquivo txt, grep -c para um arquivo delimitado por tabulações? [fechado]

  • 772

Eu tenho um arquivo de texto, aqui está o headdele:

1   TACCCTGTAGAACCGAATTTGT  miRNA   mmu-mir-10b PM
2   GCATTGGTGGTTCAGTGGTAGAATTCTCGCCT    tRNA    Mus_musculus_tRNA-Gly-GCC-4-1   PM
3   TACCCTGTAGATCCGAATTTGT  miRNA   mmu-mir-10a PM
4   GCATTGTGGTTCAGTGGTAGAATTCTCGCCT tRNA    Mus_musculus_tRNA-Gly-GCC-2-2   IM
5   ACCCTGTAGAACCGAATTTGT   other   other   NA
6   TACCCTGTAGAACCGAATTTG   other   other   NA
7   GCATTGGTTCAGTGGTAGAATTCTCGCCT   tRNA    Mus_musculus_tRNA-Gly-GCC-2-7   IM
8   GCATTTGTGGTTCAGTGGTAGAATTCTCGCCT    tRNA    Mus_musculus_tRNA-Gly-GCC-4-1   IM
9   TACCCTGTAGAACCGAATTTGTG miRNA   mmu-mir-10b PM
10  GGTGAATATAGTTTACAAAAAACATTAGACTGTGAATC  tRNA    tRNA-His    IM

Eu gostaria de uma matriz de contagem com base no 4º valor em cada linha, de modo que eu tivesse algo como

mmu-mir-10b 2
grep text-formatting

1 respostas

  1. Best Answer

    Você pode usar awk, caso queira obter todas as duplicatas localizadas na posição #4 (assumindo dados delimitados por espaços em branco):

    $ awk '{seen[$4]++} END{for(x in seen) print x, seen[x]}' infile
other 2
Mus_musculus_tRNA-Gly-GCC-2-2 1
Mus_musculus_tRNA-Gly-GCC-2-7 1
mmu-mir-10a 1
mmu-mir-10b 2
tRNA-His 1
Mus_musculus_tRNA-Gly-GCC-4-1 2

    Os primeiros campos são os dados e o segundo campo são as duplicatas correspondentes.

    • 2

relate perguntas