☰

如何用檔案名稱的數字部分替換列中的所有值（所有 NA）？

tag-icon • tag-icon text-processing awk sed command-line bioinformatics
如何用檔案名稱的數字部分替換列中的所有值（所有 NA）？

我有多個 (22) 個文件，其命名如下：

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

每個檔案都有 46 列和多行

其中一個文件的前 6 列和 6 行如下所示：

  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

假設這是在檔案 chr1.out 中

我想做的是將列染色體中的所有 NA 替換為 1。

所以它看起來像這樣：

  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

我想對這 22 個文件中的每一個執行相同的操作。所以 chr2.out 在第三列得到 2， chr3.out 在第三列得到 3 等等

答案1

使用 bash 腳本：

#!/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"

首先我們建立一個 tmp 目錄，因為我們將建立 tmp 文件

然後我們循環遍歷每個chr*.out文件。

  • 在 tmp 目錄中為此檔案建立一個變數
  • 刪除chr前綴
  • 去掉.out後綴
  • awk然後將NA用從文件名中提取的數字替換第三列中的任何內容並將其保存到 tmp 文件
  • 將原來的文件替換為tmp文件

循環完成後，我們刪除 tmp 目錄。

-i如果你有 GAWK 可以使用就地選項，那麼所有 tmp 的東西都可以避免

答案2

我建議使用一個sed腳本來處理所有文件。

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

相關內容