问题描述
我有以下171个文件的数据集。
CHR:POS REF:ALT BREED
6:85406127 T:A 0.333333
6:85406128 T:C 0
6:85406129 C:G 0.333333
6:85406130 T:G 0.833333
所需的输出是
CHR:POS REF:ALT BREED BREED2 BREED3 ... 171st file
6:85406127 T:A 0.333333 0.33 0.5 .... 0.4
6:85406128 T:C NA 0.33 0.5 .... 0.4
6:85406129 C:G 0.333333 0.33 NA .... 0
6:85406130 T:G 0.833333 0.33 0.5 .... NA
文件名包含品种名称。第一和第二列在每个文件中包含相同的信息。我将如何从每个文件中仅提取第三列,同时保留第一文件中的所有列?
我将第一个文件移到其他文件夹中以从提取中排除。以下命令未给出结果。
cut -d " " -f3 *.txt | paste ../breedname.txt - > output.txt
我也尝试使用这些问题中显示的awk命令,但不适用于我的数据集。
欢迎任何帮助!
解决方法
这是一种非常快捷,肮脏的方法:
假设文件的顺序相同:
$ awk '(FNR==NR){a[FNR]=$0;next}
{a[FNR]=a[FNR] FS $NF}
END{for(i=1;i<=FNR;++i) print a[i]}' file1 file2 file3 ... filen
如果您希望标题更简洁:
$ awk '(FNR==NR){a[FNR]=$0 (FNR==1?++c:"");next}
{a[FNR]=a[FNR] FS $NF (FNR==1?++c:"")}
END{for(i=1;i<=FNR;++i) print a[i]}' file1 file2 file3 ... filen
假设文件的顺序不同:
$ awk '{key=$1 FS $2}
(FNR==NR){a[key]=$0 (FNR==1?++c:"");next}
{a[key]=a[key] FS $NF (FNR==1?++c:"")}
END{for(i in a) print a[i]}' file1 file2 file3 ... filen
,
我会做这样的事情:
paste -d " " *.txt | awk '{printf "%s %s ",$1,$2; for (i = 3; i <= NF; i+=3){printf "%s ",$i} print ""}'
paste
垂直连接各行,因此每一列都彼此相邻。之后,您只需要选择所需的列即可。