5个字段的值都不同的awk打印行，忽略丢失的数据。

Question

我试图找出在我的表格文件中的5个字段(字段4-8)的值是否有任何成对的差异。缺少的数据由字符串"na“表示。我想在这些字段中打印多个值的任何行，忽略丢失的数据(例如，下面示例的第一行中的T和G)，如果包含"na“，则打印多个值。

下面是我正在处理的数据文件中的几行代码：

2       1150    T       na      na      na      T       G
2       1151    C       na      na      na      T       C
2       1156    A       na      na      na      A       T
2       10742   C       T       na      T       na      na
2       10769   G       A       na      A       na      na
2       10781   T       G       na      G       na      na
2       58959   C       na      na      G       G       na
2       66907   G       na      na      A       G       na
2       66911   A       na      na      T       A       na
2       73087   C       C       na      C       C       T
2       92844   G       na      na      na      T       T
2       92846   T       na      na      na      T       G
2       99932   G       G       G       na      GT      na

我的目标是：

2       1150    T       na      na      na      T       G
2       1151    C       na      na      na      T       C
2       1156    A       na      na      na      A       T
2       66907   G       na      na      A       G       na
2       66911   A       na      na      T       A       na
2       73087   C       C       na      C       C       T
2       92846   T       na      na      na      T       G
2       99932   G       G       G       na      GT      na

这似乎有点超出我的技能水平，所以我会感谢任何帮助或建议！

Answer 1

用于delete array和length(array)的GNU

$ awk '{delete unq; for (i=4;i<=NF;i++) unq[$i]} length(unq)>2' file
2       1150    T       na      na      na      T       G
2       1151    C       na      na      na      T       C
2       1156    A       na      na      na      A       T
2       66907   G       na      na      A       G       na
2       66911   A       na      na      T       A       na
2       73087   C       C       na      C       C       T
2       92846   T       na      na      na      T       G
2       99932   G       G       G       na      GT      na

自2012年以来，delete array实际上一直是POSIX的一部分(参见http://austingroupbugs.net/view.php?id=544)，length(array)不仅在gawk中可用，而且在其他awk中也是可用的，因此您可以在您的awk上尝试以上这些方法，即使它不是gawk，它也可能工作。

Answer 2

为了完整起见，不依赖于特定于GNU的特性的版本：

awk '{ c=0; split("",a); for(i=4;i<=NF;++i) if(!a[$i]++) c++ } c>2' file

变量c从第4次到最后一次对字段中的所有唯一条目进行计数。!a[$i]++只在第一次对给定值$i进行计算时才标识唯一条目。如果发现了两个以上的唯一条目，则打印记录。split("", a)实现了delete a的效果，因为拆分空字符串会导致数组中没有任何元素。