怎么取数量最多的输出结果

huang6894

ChrNew1 39017   G       1       A       i
ChrNew1 39018   C       1       .       i
ChrNew1 39019   T       1       .       i
ChrNew1 39020   T       1       AAC      i
ChrNew1 39021   T       1       ,       i
ChrNew1 39022   G       1       A       i
这种文件；1、如果第五列包含.或者，表示匹配直接输出和第三列的ref碱基即可；
2、如果第五列有这两种符号同时还有其他的碱基，仍然输出ref碱基；
3、如果没有逗号句号符号，出现“ATCGNatcgn”则比较“A+a”“T+t”“C+c”“G+g”的数量，取数量最多的输出结果
4、如果第五列为空则输出N
怎么搞，第三步不会呀
比如上面的输出要是
A
C
T
A
T
A

Herowinter

楼主，你的基因突变怪兽还没研究出来吗？

huang6894

回复 2# Herowinter


    你说对了

Herowinter

大概看懂了，但是不是给多点数据？
还有数量相等时按ATCGN顺序？

huang6894

回复 4# Herowinter

ATCGNatcgn是除了,.两种字符，还可能会有A、T、C、G、N、a、t、c、g、n这十种字符
    就是如果$5~aaaA表示A=5
ChrNew1 39020   T       1       AAC      i
在这个例子里面，第五列出现AAC，表示a两个，c一个，那就输出A

Herowinter

回复 1# huang6894

从现在的数据看，可以实现功能，还有，
我不会把ATCGN写一个循环，很傻地重复了5次。

1. awk '{if(!$5){print "N"}else if($5~/\.|,/){print $3}else{a[gsub(/A|a/,"A",$5)]="A";a[gsub(/T|t/,"T",$5)]="T";a[gsub(/C|c/,"C",$5)]="C";a[gsub(/G|g/,"G",$5)]="G";a[gsub(/N|n/,"N",$5)]="N";l=asorti(a,b);print a[b[l]]}} ' i
   
2. 
   
3. A
   
4. C
   
5. T
   
6. A
   
7. T
   
8. A
   

复制代码

huang6894

回复 6# Herowinter


    我也这么做了，不过我更傻，重复了10次

Herowinter

回复 7# huang6894

改进了下，写了个循环。

1. awk '{if(!$5){print "N"}else if($5~/\.|,/){print $3}else{split("ATCGN",c,"");for(i in c){s=gsub(c[i],c[i],$5);s+=gsub(tolower(c[i]),tolower(c[i]),$5);a[s]=c[i]};l=asorti(a,b);print a[b[l]]}}' i
   
2. 
   

复制代码

Herowinter

个人感觉当 A和T都出现2次这种场景下，
输出顺序不能保证。

jason680

回复 1# huang6894

$ awk '$5==""{print"N";next}$5~/[.,]/{print $3;next}{t=split(toupper($5),s,"");delete a;for(max=n=0;n++<t;)if(++a[s[n]]>max)a[++max]=s[n];print a[max]}' FILE
A
C
T
A
T
A