特定列上连续行的awk和

Question

chr1    3000035 +   0   0   CHG CTG
chr1    3000037 -   0   0   CHG CAG
chr1    3000045 +   0   0   CHG CAG
chr1    3000047 -   0   0   CHG CTG
chr1    3000048 +   0   0   CHG CTG
chr1    3000050 -   0   0   CHG CAG

大多数数据如下所示:如何忽略此错误。

我对awk很陌生，不知道怎么做。用于数据集T-C.txt

chr1    3000035 +   0   0   CHG CTG
chr1    3000037 -   0   1   CHG CAG
chr1    3000045 +   0   0   CHG CAG
chr1    3000047 -   0   0   CHG CTG
chr1    3000048 +   3   0   CHG CTG
chr1    3000050 -   0   0   CHG CAG
chr1    3000109 +   0   0   CHG CAG
chr1    3000111 -   0   0   CHG CTG

剧本：

less T-C.txt | awk '{sum=sum+$4+$5}  {if(sum>0) print;} (NR%2==0) {sum=0;}'

产生以下的输出：

chr1    3000037 -   0   1   CHG CAG
chr1    3000048 +   3   0   CHG CTG
chr1    3000050 -   0   0   CHG CAG

虽然我也希望+链记录这两个值是否都是0，因为以后我只能在第二列使用正的字符串的值。

示例：

chr1    3000035 +   2   1   CHG CTG
chr1    3000037 -   0   3   CHG CAG
chr1    3000045 +   0   0   CHG CAG
chr1    3000047 -   0   1   CHG CTG
chr1    3000048 +   0   0   CHG CTG
chr1    3000050 +   0   0   CHG CTG

我有一个类似于上面的文件，我正在搜索一些awk命令，它将添加

[column4 of '+' strand + column5 of '+' strand + column4 of '-' strand + column5 of '-' strand]

这意味着每2行，如果它们之和大于0，那么就在文本文件上打印，否则不要打印。但是，只有3000035和3000037这样的数字差的备用+和-应该保持不变，因为它们被认为只是一个记录。从上面的示例中，将只打印以下记录(最后2行的- not)：

chr1    3000035 +   2   1   CHG CTG
chr1    3000037 -   0   3   CHG CAG
chr1    3000045 +   0   0   CHG CAG
chr1    3000047 -   0   1   CHG CTG

之后，我要在+ strand值前面打印一个新文件的sum，并计算如下所示的百分比

[($4/$4+$5)*100 of '+'strand +($4/$4+$5)*100 of -strand]/2

其结果将是：

chr1    3000035: sum= 6 percentage=['+strand'=66.66+'-strand'=0]/2=33.33%
chr1    3000035 6 33.33

这应该只打印到文件中。如果有人知道awk命令，请解释给我听。

Answer 1

这个脚本应该让你开始朝着你的目标前进。

将以下内容放入一个文件中，比如script.awk

$ cat script.awk
NR % 2 == 0 && sum {
    sum += $4 + $5;
    avg = ($4 / ($4 + $5)) * 100;
    if (sum > 0) {
        print prev, sum, (avg + pavg) / 2
    }
}

NR % 2 {
    prev = $1 FS $2;
    sum = $4 + $5;
    if (sum == 0) {
        next;
    }
    pavg = ($4 / ($4 + $5)) * 100
}

$ awk -f script.awk file
chr1 3000035 6 33.3333