比较上下行

iamline

回复 10# reyleon

很感谢您，我测试了大文件后，发现需要改的地方会比较多，现在有另外的情况，想要实现下面的要求：


如果以$1、$4和$9作为key来比较上下行的exon、cds，如果前后几行内有key相同的exon、cds（这几行可能不相邻，但相近），则exon对应的$7不需要改变，如果没有的话需要令exon的$7="+"，该如何实现呢？

例如下面的情况：


C1    T10  exon    3867739 3868443 .       -       .       gene_id "AT1G11482.1";
C1    T10  exon    3868592 3868649 .       -       .       gene_id "AT1G11482.1";
C1    T10  exon    3868799 3868870 .       -       .       gene_id "AT1G11482.1";
C1    T10  exon    3868884 3869527 .       -       .       gene_id "AT1G11490.1";
C1    T10  exon    3869612 3870065 .       -       .       gene_id "AT1G11490.1";
C1    T10  CDS     3868884 3869527 .       -       2       gene_id "AT1G11490.1";
C1    T10  CDS     3869612 3870065 .       -       0       gene_id "AT1G11490.1";

前3行需要修改，中间2行的exon对应的$7则不需要改动

reyleon

回复 12# iamline

针对这种情况（注：是10列，并不是9列）：

1. C1  T10  exon  3867739  3868443  .  -  .  gene_id  "AT1G11482.1";
   
2. C1  T10  exon  3868592  3868649  .  -  .  gene_id  "AT1G11482.1";
   
3. C1  T10  exon  3868799  3868870  .  -  .  gene_id  "AT1G11482.1";
   
4. C1  T10  exon  3868884  3869527  .  -  .  gene_id  "AT1G11490.1";
   
5. C1  T10  exon  3869612  3870065  .  -  .  gene_id  "AT1G11490.1";
   
6. C1  T10  CDS   3868884  3869527  .  -  2  gene_id  "AT1G11490.1";
   
7. C1  T10  CDS   3869612  3870065  .  -  0  gene_id  "AT1G11490.1";

复制代码

也就是说，$1,$4,$5,$10 如果有重复的就不修改是吗？！ 如果是的话，也是大同小异的命令：

1. awk 'BEGIN{OFS="\t"}NR==FNR{a[$1,$4,$5,$10]++;next}NF+=0{if(a[$1,$4,$5,$10]==1&&$3=="exon")$7="+"}1' file file

复制代码

iamline

reyleon 发表于 2013-08-27 15:37
回复 12# iamline

针对这种情况（注：是10列，并不是9列）：也就是说，$1,$4,$5,$10 如果有重复的就不修 ...

您好！这里其实是寻找与exon 的key相同的CDS，如果找到就不修改，若没有则修改exon的$7

guogang225

回复 14# iamline

    try this one:

1. awk 'FNR==NR{a[$3" "$4" "$5" "$10]++;next}$3=="exon"&&a[$3" "$4" "$5" "$10]==1&&(!a["CDS "$4" "$5" "$10]){sub(/-/,"+")}1' urfile urfile

复制代码

iamline

guogang225 发表于 2013-08-27 17:47
回复 14# iamline

    try this one:

很感谢您的帮忙！！谢谢