主页 / ubuntu / 问题 / 1349610
Accepted
The_Bioinformatic_BATMAN
Asked: 2021-07-03 06:36:35 +0800 CST

如何将文件的行排序为矩阵？

  • 772

我想知道如何按以下方式对文件的行进行排序：

我的文件是 file.txt（制表符分隔）：

g1 00A98_01563 00554_01552 CCUG38_01373 
g2 00554_01444
g3 00A98_04566 CCUG38_05322

我想得到这个（制表符分隔）：

g 00A98 00554 CCUG38
g1 1 1 1
g2 0 1 0
g3 1 0 1

和/或也采用这种格式（制表符分隔）：

g 00A98 00554 CCUG38
g1 00A98_01563 00554_01552 CCUG38_01373 
g2             00554_01444 
g3 00A98_04566             CCUG38_05322

如何使用带有 sort、awk、grep 或其他方法的命令行来执行此操作？

一切顺利， 问候

command-line

2 个回答

  1. 使用Miller，将输入视为分隔键值对，以 TAB 作为输入字段分隔符，下划线作为输入对分隔符，并将输出设置为 TSV。然后你可以对你的数据进行非稀疏化

    $ mlr --idkvp --ifs tab --ips '_' --otsv unsparsify file.txt
1       00A98   00554   CCUG38
g1      01563   01552   01373
g2              01444
g3      04566           05322

    然后，您可以添加各种转换 ex。

    $ mlr --idkvp --ifs tab --ips '_' --otsv unsparsify --fill-with 0 then put '
    for(k,v in mapexcept($*,"1")){if(v != 0){$[k] = 1}}
  ' then rename "1","g" file.txt
g       00A98   00554   CCUG38
g1      1       1       1
g2      0       1       0
g3      1       0       1

    或者

    $ mlr --idkvp --ifs tab --ips '_' --otsv unsparsify then put -S '
    for(k,v in mapexcept($*,"1")){if(v != ""){$[k] = k ."_". v}}
  ' then rename "1","g" file.txt
g       00A98   00554   CCUG38
g1      00A98_01563     00554_01552     CCUG38_01373
g2              00554_01444
g3      00A98_04566             CCUG38_05322

    在最后一种情况下，对齐看起来“关闭”，但用--ocsv代替输出--tsv应该确认它是正确的。

    • 3
  2. Best Answer

    这是toMatrix.awk

    #!/usr/bin/env gawk -f
BEGIN { FS = OFS = "\t" }

{
    for (i=2; i<=NF; i++) {
        x=$i
        sub(/_.*/, "", x)
        if (!(x in values)) {
            values[x] = 1
            ordered[++value] = x
        }
        g[NR] = $1
        data[NR][x]=1
    }
}

END {
    printf "%s", "g"
    for (i = 1; i <= value; i++)
        printf "%s%s", OFS, ordered[i]
    print ""

    for (nr = 1; nr <= NR; nr++) {
        printf "%s", g[nr]
        for (i = 1; i <= value; i++)
            printf "%s%s", OFS, 0 + data[nr][ordered[i]]
        print ""
    }
}

    $ gawk -f toMatrix.awk file.txt
g   00A98   00554   CCUG38
g1  1   1   1
g2  0   1   0
g3  1   0   1
    • 2

相关问题