Chinaunix

标题: 如何将两两序列比对分值最高的提取出来 [打印本页]

作者: 小小脑 时间: 2018-02-26 15:17
标题: 如何将两两序列比对分值最高的提取出来
如下表1中：第一列为序列1，第二列为序列2，第三列为分值。
求问：如何将两两序列比对分值最高的提取出来？（提取时，第一列跟第二列相同的的不要；序列1序列2跟序列2跟序列1形式的只取以一行。如表2）
表1
super3869_1563648    super3869_1563648    147
super6666_617419 super6666_617419 462
super1370_1411596    super1370_1411596    1094
super162_234394  super162_234394  1332
super162_234394  scaffold127278_5563    773
super162_234394  super11337_200671    750
super162_234394  scaffold34802_176595    682
super1767_225582 super1767_225582 1171
super1767_225582 scaffold17182_136896 645
super1767_225582 scaffold176013_39225    625
super1767_225582 scaffold64316_128165    601
super1767_225582 scaffold109715_243908 560
super1767_225582 scaffold206386_158946 532
super1786_353120 super1786_353120 1343
super1786_353120 scaffold116128_191187 1055
super1786_353120 super3558_294993 994
super1786_353120 scaffold356065_175978 867
super11337_200671    super10398_260807    429
super11337_200671    super10010_1349177 424
super11337_200671    scaffold14159_630988 387
scaffold1207_440912    scaffold1207_440912    1232
scaffold1207_440912    scaffold116128_191187 885
scaffold1207_440912    super1786_353120 856
scaffold127278_5563 super162_234394    773
scaffold127278_5563 super1207_440912 424
表2
super162_234394  scaffold127278_5563    773
super1767_225582 scaffold17182_136896 645
super1786_353120 scaffold116128_191187 1055
super11337_200671    super10398_260807    429
scaffold1207_440912    scaffold116128_191187 885
哪个大神能帮忙回答下？谢谢

作者: wh7211 时间: 2018-02-27 18:32

awk '$1!=$2&&!b[$2$1]{a[$1]=a[$1]>$3?a[$1]:$2" "$3;b[$1$2]=$3}END{for(i in a){print i,a[i]}}' 1

复制代码

作者: 小小脑 时间: 2018-02-27 20:24
回复 2# wh7211
大神，非常感谢。如果我是想得到序列是在第一列跟第二列相同的不要且序列1序列2跟序列2跟序列1形式的只取以一行前提下，接着取跟同一序列比对上的所有序列的前25%行(四舍五入)，这样的情况可以解决吗？大神

作者: wh7211 时间: 2018-02-28 11:48
本帖最后由 wh7211 于 2018-02-28 18:28 编辑

接着取跟同一序列比对上的所有序列的前25%行(四舍五入)

awk '$1!=$2&&!b[$2$1]{a[$1]=a[$1]>$3?a[$1]:$2" "$3;b[$1$2]=$3;c[$1]=c[$1]?c[$1]"|"$0:$0}END{for(i in a){print i,a[i]};for(j in c){d=int(split(c[j],t,"|")*0.25+0.5);for(x=1;x<=d;x++){printf "25% >>> "t[x]"\n"}}}' 1

复制代码

作者: 小小脑 时间: 2018-03-06 22:10
回复 4# wh7211

大神太厉害了，能否给个详解。awk '$1!=$2&&!b[$2$1]{a[$1]=a[$1]>$3?a[$1]

2" "$3;b[$1$2]=$3;c[$1]=c[$1]?c[$1]"|"$0

0}END{for(i in a){print i,a};for(j in c){d=int(split(c[j],t,"|"*0.25+0.5);for(x=1;x<=d;x++){printf "25% >>> "t[x]"\n"}}}' 1 我查了资料也没有理解。如：b[$2$1]，a[$1]=a[$1]>$3。

作者: wh7211 时间: 2018-03-07 10:25
本帖最后由 wh7211 于 2018-03-07 14:11 编辑

回复 5# 小小脑

优化了一下代码，用这个吧：

awk '$1!=$2&&!c[$2$1]{if(a[$1]<$3){a[$1]=$3;b[$1]=$0};c[$1$2]=$3;d[$1]=d[$1]?d[$1]"|"$0:$0}END{for(i in b){print b[i]};for(j in d){e=int(split(d[j],t,"|")*0.25+0.5);for(x=1;x<=e;x++){printf("25% >>> %s\n",t[x])}}}' 1
复制代码
如果我是想得到序列是在第一列跟第二列相同的不要

$1!=$2 <--- $1和$2不相同时满足条件

且序列1序列2跟序列2跟序列1形式的只取以一行前提下

c[$1$2]=$3 <--- 对c[$1$2]（序列1序列2形式）赋值后，c数组的值为真
!c[$2$1] <--- c[$2$1]（序列2序列1形式）为假时满足条件，说明和序列1序列2形式不同
作者: 小小脑 时间: 2018-03-08 09:17
回复 6# wh7211
膜拜大神，想问下大神是否有类似的资料，可以分享下吗？

作者: wh7211 时间: 2018-03-08 11:07
资料很多，找一本书系统的看完，同时在群里多交流，CU上多看看帖子，多练习

欢迎光临 Chinaunix (http://bbs.chinaunix.net/) Powered by Discuz! X3.2