我在目录中有12个文件，每个文件有4列。第一列是基因名称，其余三列是计数列。所有文件都在同一目录中。我想为每个文件提取1,4列（总共12个文件）并将其粘贴到一个输出文件中，因为每个文件的第一列都相同，因此输出文件在第一列中应该只有一个。随后是每个文件的第4列。每个文件的第一列都是相同的。我不想在这里使用R。我是awk的忠实粉丝。所以我在尝试类似下面的方法，但是没有用
我的输入文件看起来像输入文件1
ZYG11B 8267 16.5021 2743.51
ZYG11A 4396 0.28755 25.4208
ZXDA 5329 2.08348 223.281
ZWINT 1976 41.7037 1523.34
ZSCAN5B 1751 0.0375582 1.32254
ZSCAN30 4471 4.71253 407.923
ZSCAN23 3286 0.347228 22.9457
ZSCAN20 4343 3.89701 340.361
ZSCAN2 3872 3.13983 159.604
ZSCAN16-AS1 2311 1.1994 50.9903
输入文件2
ZYG11B 8267 18.2739 2994.35
ZYG11A 4396 0.227859 19.854
ZXDA 5329 2.44019 257.746
ZWINT 1976 8.80185 312.072
ZSCAN5B 1751 0 0
ZSCAN30 4471 9.13324 768.278
ZSCAN23 3286 1.03543 67.4392
ZSCAN20 4343 3.70209 318.683
ZSCAN2 3872 5.46773 307.038
ZSCAN16-AS1 2311 3.18739 133.556
输入文件3
ZYG11B 8267 20.7202 3593.85
ZYG11A 4396 0.323899 29.8735
ZXDA 5329 1.26338 141.254
ZWINT 1976 56.6215 2156.05
ZSCAN5B 1751 0.0364084 1.33754
ZSCAN30 4471 6.61786 596.161
ZSCAN23 3286 0.79125 54.5507
ZSCAN20 4343 3.9199 357.177
ZSCAN2 3872 5.89459 267.58
ZSCAN16-AS1 2311 2.43055 107.803
所需的上方输出
ZYG11B 2743.51 2994.35 3593.85
ZYG11A 25.4208 19.854 29.8735
ZXDA 223.281 257.746 141.254
ZWINT 1523.34 312.072 2156.05
ZSCAN5B 1.32254 0 1.33754
ZSCAN30 407.923 768.278 596.161
ZSCAN23 22.9457 67.4392 54.5507
ZSCAN20 340.361 318.683 357.177
ZSCAN2 159.604 307.038 267.58
ZSCAN16-AS1 50.9903 133.556 107.803
正如您在上面看到的每个文件的第一列和第4列一样，由于每个文件的第一列相同，所以我只想保留一次，其余的每个文件的第4列。我刚刚展示了3个文件。它应该一次对目录中的所有文件起作用，因为所有文件都具有类似的命名约定，例如file1_quant.genes.sf file2_quant.genes.sf，file3_quant.genes.sf
每个文件的第一列相同，而其余列的计数不同。我的想法是创建一个输出文件，该文件在所有文件中应具有第一列和第四列。
awk '{print $1,$2,$4}' *_quant.genes.sf > genes.estreads
有没有抬头？
如果我对您的理解正确，那么您要查找的是每个键一行，由多个文件整理而成。
这项工作所需的工具是关联数组。我认为awk可以，但我不确定100％。我可能会在perl中解决它：
#!/usr/bin/perl
use strict;
use warnings;
# an associative array, or hash as perl calls it
my %data;
#iterate the input files (sort might be irrelevant here)
foreach my $file ( sort glob("*_quant.genes.sf") ) {
#open the file for reading.
open( my $input, '<', $file ) or die $!;
#iterate line by line.
while (<$input>) {
#extract the data - splitting on any whitespace.
my ( $key, @values ) = split;
#add'column 4' to the hash (of arrays)
push( @{$data{$key}}, $values[2] );
}
close($input);
}
#start output
open( my $output, '>', 'genes.estreads' ) or die;
#sort, because hashes are explicitly unordered.
foreach my $key ( sort keys %data ) {
#print they key and all the elements collected.
print {$output} join( "\t", $key, @{ $data{$key} } ), "\n";
}
close($output);
使用上面指定的数据，将产生：
ZSCAN16-AS1 50.9903 133.556 107.803
ZSCAN2 159.604 307.038 267.58
ZSCAN20 340.361 318.683 357.177
ZSCAN23 22.9457 67.4392 54.5507
ZSCAN30 407.923 768.278 596.161
ZSCAN5B 1.32254 0 1.33754
ZWINT 1523.34 312.072 2156.05
ZXDA 223.281 257.746 141.254
ZYG11A 25.4208 19.854 29.8735
ZYG11B 2743.51 2994.35 3593.85
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句