☰

Como substituir todos os valores (todos os NAs) em uma coluna pela parte numérica do nome do arquivo?

tag-icon • tag-icon text-processing awk sed command-line bioinformatics
Como substituir todos os valores (todos os NAs) em uma coluna pela parte numérica do nome do arquivo?

Tenho vários (22) arquivos nomeados assim:

chr1.out, chr2.out...,chr22.out

cada um desses arquivos tem 46 colunas e múltiplas linhas

As primeiras 6 colunas e 6 linhas em um desses arquivos são assim:

  alternate_ids      rsid chromosome position alleleA alleleB index
     rs4814683 rs4814683         NA     9795       G       T     1
     rs6076506 rs6076506         NA    11231       T       G     2
     rs6139074 rs6139074         NA    11244       A       C     3
     rs1418258 rs1418258         NA    11799       C       T     4
     rs7274499 rs7274499         NA    12150       C       A     5
     rs6116610 rs6116610         NA    12934       G       A     6

Digamos que isso esteja no arquivo chr1.out

o que eu gostaria de fazer é substituir todos os NAs na coluna cromossomo por 1.

então ficaria assim:

  alternate_ids      rsid chromosome position alleleA alleleB index
     rs4814683 rs4814683         1     9795       G       T     1
     rs6076506 rs6076506         1    11231       T       G     2
     rs6139074 rs6139074         1    11244       A       C     3
     rs1418258 rs1418258         1    11799       C       T     4
     rs7274499 rs7274499         1    12150       C       A     5
     rs6116610 rs6116610         1    12934       G       A     6

Eu gostaria de fazer o mesmo para cada um desses 22 arquivos. Então chr2.out obtém 2 na 3ª coluna, chr3.out obtém 3 na 3ª coluna, etc.

Responder1

Usando um script bash:

#!/bin/bash

tmp_d=$(mktemp -q -d -t 'replace.XXXXX' || mktemp -q -d)

for f in chr*.out; do
    tmp_f="${tmp_d}/$f"
    n="${f#chr}"
    n="${n%.out}"
    awk -v n="$n" '$3 == "NA" { $3=n }1' "$f" > "$tmp_f"
    mv "$tmp_f" "$f"
done

rm -r "$tmp_d"

Primeiro criamos um diretório tmp, pois criaremos arquivos tmp

Em seguida, percorremos cada chr*.outarquivo.

  • Crie uma variável para este arquivo no diretório tmp
  • remova o chrprefixo
  • remova o .outsufixo
  • awkirá então substituir qualquer um NAna terceira coluna pelo número extraído do nome do arquivo e salvá-lo no arquivo tmp
  • substitua o arquivo original pelo arquivo tmp

Após o término do loop, removemos o diretório tmp.

todas as coisas do tmp podem ser evitadas se você tiver o GAWK, que pode usar a -iopção in place

Responder2

Sugiro um sedscript para lidar com todos os arquivos.

sed -i 's/         NA  /          1  /' chr{1..22}.out

informação relacionada