有条件计数

怿_mao44

输入文件：

1. aaa        1        12        123        AA1        AA2        pre-abc
   
2. aaa        1        21        321        AA1        AA2        pre-abc
   
3. bbb        2        23        234        BB1        BB2        pre-abc
   
4. bbb        3        34        345        BB1        BB2        post-abc
   
5. aaa        4        45        456        AA1        AA3        post-abc
   
6. abb        5        56        567        AA1        AA2        post-abc
   
7. abb        6        67        678        AA1        AA2        pre-abc
   
8. bbb        2        23        234        BB3        BB4        post-abc
   
9. bbb        2        23        234        AA1        AA2        pre-abc
   
10. bbb        4        45        456        AA1        AA2        post-abc
    

复制代码

目的：，以第五，六列为一个单位，对第一列的内容计数

计数条件:
1.第一列内容相同的时候，还要比较对应的每一行中第五，六列内容也必须同时相同
2.对应的记录中第七列必须同时存在"pre-abc"和"post-abc"
3.符合此条件的第一列记录则，记为1
(以aaa为例，存在有重复的记录，且对应有"pre-abc"和"post-abc"同时存在，但是对应[AA1 AA2]和[AA1 AA3]并不相同，则不能计数。)

输出结果：
输入文件中，对应“AA1        AA2”的记录中，有“abb,bbb”符合条件，所以记为两次；而只有“bbb”对应“BB1        BB2”，故只记做1次

1. AA1        AA2        2
   
2. BB1        BB2        1

复制代码

英语盲学linux

1. awk '{a[$1$5,$6]=a[$1$5,$6]$7}END{for(i in a) if(a[i]=="-+" || a[i]=="+-") ++b[substr(i,length(i)-6,7)];for(k in b)print k,b[k]}'

复制代码

yinyuemi

回复 1# 怿_mao44

gawk4.0.0

1. gawk '{p=$NF~"+"?1:-1;a[$1][$5 FS $6]+=p}END{for(i in a)for(j in a[i])if(a[i][j]==0)b[j]++;for(x in b)print x,b[x]}'
   

复制代码

怿_mao44

回复 3# yinyuemi


    也许是版本不同，或者其他原因，并不能实现

$ gawk --v
GNU Awk 3.1.5


或许时候由于实际数据中，第七列，并不是简单的+/-，而是一段字符所以有影响

怿_mao44

回复 2# 英语盲学linux


    实际操作中，并不是单纯+/-，而是一些符合字符串，可能有影响，导致，并无法得到结果呢

yinyuemi

回复 4# 怿_mao44

+/-的问题，根据你的实际数据改吧

1. awk '{p=$NF~"+"?1:-1;a[$1"|"$5 FS $6]+=p}END{for(i in a)if(a[i]==0)b[gensub(/.*\|(.*)/,"\\1",1,i)]++;for(x in b)print x,b[x]}'

复制代码

怿_mao44

1. 
   
2. $ more file |sort|uniq >test        ##对输入文件去重复
   
3. $ cut -f 1,5,6 test|uniq -d >test1    ##只提取第1列，和第5,6列，然后只提取有重复的记录，因为之前已经对全文件去重复过了，所以此时的重复记录，就是同时对应不同第7列的记录
   
4. $ cut -f 2,3 test|sort|uniq -c >test    ##在对第2,3列，其实为输入文件中的5，6列排序计数

复制代码

    好吧，这是我最初想的巨2分析流程，总觉得有一丝扭曲

怿_mao44

回复 6# yinyuemi


    由于实际数据不同，真正修改的地方就只是红色区域的么？

awk '{p=$NF~"+"?1:-1;a[$1"|"$5 FS $6]+=p}END{for(i in a)if(a==0)b[gensub(/.*\|(.*)/,"\\1",1,i)]++;for(x in b)print x,b[x]}'

但是，输出的结果我抽取了几个例子，手工查，好像有些偏差的。难道是我使用时候有问题木？

怿_mao44

回复 6# yinyuemi


    知道哪里错了。。
输入文件在处理前，要先做排序去重复，除去一些完全一致的记录行，再处理

rdcwayx

1. awk '{ a[$1 OFS $5 OFS $6]
   
2.        if ($NF=="pre-abc") pre[$1 OFS $5 OFS $6]=1
   
3.        if ($NF=="post-abc") post[$1 OFS $5 OFS $6]=1
   
4.      }END{ for (i in a) if (pre[i]==1&&post[i]==1) {split(i,s,OFS);b[s[2] OFS s[3]]++}
   
5.            for (i in b) print i,b[i]}' OFS="\t" infile

复制代码