
아래 예와 같이 동일한 이름을 가진 KO 카테고리를 축소하고 각 카테고리에 할당된 유전자 이름을 배열로 인쇄하는 방법입니다.
나는 이것을 가지고있다:
K00002 gene_65472
K00002 gene_212051
K00002 gene_403626
K00003 gene_666
K00003 gene_5168
K00003 gene_7635
K00003 gene_12687
K00003 gene_175295
K00003 gene_647659
K00003 gene_663019
K00004 gene_88381
K00005 gene_30485
K00005 gene_193699
K00005 gene_256294
K00005 gene_307497
그리고 이것을 원합니다:
K00002 gene_65472 gene_212051 gene_403626
K00003 gene_666 gene_5168 gene_7635 gene_12687 gene_175295 gene_647659 gene_663019
K00004 gene_88381
K00005 gene_30485 gene_193699 gene_256294 gene_307497
다음 명령이 작동했습니다(다음 명령에서 가져옴).로아이마의 대답):
tr -d '\r' < file| awk '$1 != p { if (p>"") {printf "\n"} printf "%s",$1; p=$1 } { printf "\t%s",$2 } END { if(p>"") {printf "\n"} }' > output
답변1
더 많은 것
awk '$1 != p { if (p>"") {printf "\n"} printf "%s",$1; p=$1 } { printf "\t%s",$2 } END { if(p>"") {printf "\n"} }' datafile
K00002 gene_65472 gene_212051 gene_403626
K00003 gene_666 gene_5168 gene_7635 gene_12687 gene_175295 gene_647659 gene_663019
K00004 gene_88381
K00005 gene_30485 gene_193699 gene_256294 gene_307497
이별을 원하지 않는다면탭\t
그런 다음 공백으로 변경하십시오 .
작동 방식은 다음과 같습니다.
# Each line is processed in turn. "p" is the previous line's key field value
# Key field isn't the same as before
$1 != p {
# Flush this line if we have printed something already
if (p > "") { printf "\n" }
# Print the key field name and set it as the current key field
printf "%s", $1; p = $1
}
# Every line, print the second value on the line
{ printf "\t%s", $2 }
# No more input. Flush the line if we have already printed something
END {
if (p > "") { printf "\n" }
}
로부터희미한 코멘트당신은만들기모든 사람의 답변에 대해 근본적인 문제는 Windows 시스템에서 생성된 데이터 파일을 사용하고 있으며 UNIX/Linux 플랫폼에서 작동할 것으로 예상한다는 것입니다. 그러지 마세요. 또는 꼭 필요한 경우 먼저 파일을 올바른 형식으로 변환하세요.
dos2unix < datafile | awk '...' # As above
tr -d '\r' < data file | awk '...' # Also as above
답변2
파일:
K00002 gene_65472
K00002 gene_212051
K00002 gene_403626
K00003 gene_666
K00003 gene_5168
K00003 gene_7635
K00003 gene_12687
K00003 gene_654221
K00003 gene_663019
K00004 gene_88381
K00005 gene_30485
K00005 gene_193699
K00005 gene_256294
awk 사용:
awk '1 {if (a[$1]) {a[$1] = a[$1]" "$2} else {a[$1] = $2}} END {for (i in a) { print i,a[i]}}' file
산출:
K00002 gene_65472 gene_212051 gene_403626
K00003 gene_666 gene_5168 gene_7635 gene_12687 gene_654221 gene_663019
K00004 gene_88381
K00005 gene_30485 gene_193699 gene_256294
나는 이것을 가져갔다우편참고로.
답변3
밀러를 사용하여http://johnkerl.org/miller/doc
~와 함께
mlr --csv --implicit-csv-header --headerless-csv-output cat -n -g 1 then label a,b,c then reshape -s a,c then unsparsify --fill-with "" input.csv
이 예제는 csv 입력입니다.
A,234
A,4945
B,8798
B,8798
B,790
당신은 할 것
A,234,4945,
B,8798,8798,790
답변4
값에 공백이 없고 공백으로 구분되어 있다고 가정합니다. 또한 데이터가 이름이 지정된 파일에 있다고 가정합니다 file
(탭으로 구분된 버전은 아래 참조).
for x in $(<file cut -d ' ' -f 1 | sort | uniq); do
printf '%s %s\n' "$x" "$(grep "$x" file | cut -d ' ' -f 2- | tr '\n' ' ' | sed 's/.$//')"
done
이는 다음을 수행합니다.
- 첫 번째 필드의 고유 값을 추출합니다.
cut
-f 1
줄의 첫 번째 덩어리( )만 선택하고 각 공백(-d ' '
)에서 분리합니다.sort | uniq
첫 번째 필드의 값을 정렬하고 각 필드를 한 번만 출력합니다(또는더 짧고 더 효율적:sort -u
);
- 각각:
file
에서 관련 라인을 모두 추출합니다grep
.cut
(-f 2-
"두 번째 및 다음 필드를 가져옴"을 의미함)을 사용하여 첫 번째 필드를 제거합니다 .- 나머지를 공백으로 구분된 값 목록(
tr
)으로 변환합니다. - 불필요한 공백인 마지막 문자를 제거하십시오
sed
(예, 이것은 정말 우아하지 않습니다). - 결과를 첫 번째 필드의 값에 연결하고 표준 출력으로 인쇄합니다.
입력이 탭으로 구분되어 있고 탭으로 구분된 출력을 원하는 경우 위의 코드는 다음과 같습니다.
for x in $(<file cut -f 1 | sort | uniq); do
printf '%s\t%s\n' "$x" "$(grep "$x" file | cut -f 2- | tr '\n' '\t' | sed 's/.$//')"
done
노트:
- 성능: 이 접근 방식의 실행 시간은
awk
기반 솔루션의 실행 시간보다 훨씬 높습니다.로아이마의 대답). 적어도 몇 배는 됩니다. - 반면에 이 접근 방식은 입력 파일이 정렬되지 않은 경우에도 작동합니다.
- 이러한 종류의 솔루션이 작업을 효과적으로 수행하는 빠르고 (그리고 더러운?) 방법임에도 불구하고 쉘 루프를 사용하여 텍스트를 처리하는 것은 일반적으로 권장되지 않습니다. 참고로 보세요 "쉘 루프를 사용하여 텍스트를 처리하는 것이 나쁜 습관으로 간주되는 이유는 무엇입니까?".