Chr start stop superfamily TE pres/abs 88 108 139 159 265 350 351 403 410 424 428 430 506 544 546 6
1 8667 8700 MuDR ATDNAI27T9A presence NA 0 0 0 0 0 0 0 0 0 0 NA 0 0 0 0
1 10585 10600 Gypsy ATHILA6A presence NA 0 0 0 0 NA 0 0 0 0 0 0 0 0 0 0
1 15091 15099 Copia ATCOPIA13 presence 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 15894 15898 Gypsy ATGP1 presence 0 0 NA 0 NA 0 0 0 0 0 1 0 0 0 0 NA 1
1 20514 20532 MuDR VANDAL8 presence NA 0 NA NA NA NA NA 1 0 NA NA NA 0 0 0 NA NA
1 20530 20537 Gypsy ATGP1 presence NA 0 0 NA NA NA NA 1 0 NA NA NA 0 0 0 NA NA
Lo siguiente es lo que intenté obtener para obtener la frecuencia de '0' y '1'.
cat file.bed|awk '{if(NR>1){for (i = 1; i <= NF; i++) if($i==0)print}}'|awk '{count=0;if(NR==1){print $0"\tcount"}else{for (i=8; i<=NF; i++){if ($i==1){count++}}print $0"\t"count}}' > x
Mi código no me da el resultado correcto
¿Cómo puedo corregir mi código para agregar tres columnas al final de mi archivo de salida, lo que me da el recuento de 0, 1 y NA?
0, NA y 1 deben contarse desde la segunda fila en adelante. En las columnas 0, NA y 1 deben contarse desde la séptima columna en adelante
Salida deseada:
Chr start stop superfamily TE pres/abs 88 108 139 159 265 350 351 403 410 424 428 430 506 544 546 6 count0 count1 countNA freq0 freq1 freqNA
1 8667 8700 MuDR ATDNAI27T9A presence NA 0 0 0 0 0 0 0 0 0 0 NA 0 0 0 0 14 0 2 0.87 0 0.12
Respuesta1
awk 'BEGIN{ FS=OFS="\t" }
NR==1 { print $0, "0s", "1s", "NAs" }
NR>1 { for(i=7; i<=NF; i++) { NAs+=$i=="NA"; ones+=$i==1; total++ };
print $0, total-ones-NAs, ones, NAs; NAs=ones=total=0;
}' infile >outfile
NAs
La variable cuenta las apariciones de "NA".
ones
La variable cuenta las apariciones de los "1".
total
cuenta el total de campos visitados desde el séptimo y último campo (esto podría eliminarse, pero lo usé para mayor claridad * ).
total-ones-NAs
es el recuento de "0" (restando los unos y los NA del total).
NAs=ones=total=0
restablece las variables para la siguiente línea.
*: podríamos eliminar total++
y reemplazar total-ones-NAs
con NF-6-ones-NAs
.