awk 处理两个文件比较复杂的比较不知道可不可以做到

Looiml

回复 20# Treywea

无所谓了，这是一种投机取巧的方法，实在不行就用楼上的常规方法好了。

Treywea

回复 19# Looiml


    那怎么保证Chr1的相等呢？而且这个再找出每一个pos之后都需要有一个循环去文件中判断这个数字是不是属于$3和￥$4的范围 找到的在计算 不是按照行来比对就结束了额

Treywea

回复 21# Looiml


    哎 我在算上面的方法 应该是没有什么问题 可是我的文件很大 一个78M 一个7.5G 我怕服务器会不会算奔溃了。。。

Looiml

回复 22# Treywea
你可以先好好理解一下join的工作原理：

1. 
   
2. $>cat a.txt
   
3. chr      pos    C  C+T
   
4. Chr1   3203945   1   3
   
5. Chr1   3203944   0   2
   
6. Chr2   32029   2   2
   
7. Chr2   3938   0   4
   
8. $>cat b.txt
   
9. Chr1   exon   3332         30283
   
10. Chr1   intro   320       1033939
    
11. Chr1   exon   3203944  338383
    
12. Chr2   exin    303       3039
    
13. Chr2   exon   32029     332020
    
14. $>join a.txt b.txt
    
15. Chr1 3203945 1 3 exon 3332 30283
    
16. Chr1 3203945 1 3 intro 320 1033939
    
17. Chr1 3203945 1 3 exon 3203944 338383
    
18. Chr1 3203944 0 2 exon 3332 30283
    
19. Chr1 3203944 0 2 intro 320 1033939
    
20. Chr1 3203944 0 2 exon 3203944 338383
    
21. Chr2 32029 2 2 exin 303 3039
    
22. Chr2 32029 2 2 exon 32029 332020
    
23. Chr2 3938 0 4 exin 303 3039
    
24. Chr2 3938 0 4 exon 32029 332020
    

复制代码

jason680

回复 23# Treywea

try this way that you can see the matched items by P(print) value

$ awk -vP=1 'FNR==NR{if($2=="exon"){C=++c[$1];s[$1,C]=$3;e[$1,C]=$4}next}{C=c[$1];if(C)for(n=1;n<=C;n++){if(s[$1,n]<=$2&&$2<=e[$1,n]){m+=$3;a+=$4;n=C;if(P)print $0,"m="m,"all="a}}}END{print "m="m,"all="a}' b.gff3 a.txt
Chr1   1006    1   3 m=1 all=3
Chr1   1007    0   2 m=1 all=5
Chr1   2939    3   5 m=4 all=10
Chr1   35234   1   1 m=5 all=11
Chr2   3938    0   4 m=5 all=15
m=5 all=15

$ awk -vP=0 'FNR==NR{if($2=="exon"){C=++c[$1];s[$1,C]=$3;e[$1,C]=$4}next}{C=c[$1];if(C)for(n=1;n<=C;n++){if(s[$1,n]<=$2&&$2<=e[$1,n]){m+=$3;a+=$4;n=C;if(P)print $0,"m="m,"all="a}}}END{print "m="m,"all="a}' b.gff3 a.txt
m=5 all=15

   

Buring__

回复 20# Treywea


    可能用的~ 匹配有问题 用楼上 jason680 大神的吧

Treywea

回复 25# jason680


    感谢大神的回复啊！不过我截取了以小组真实的数据出现了小bug:
                                                                                                                                    ^ syntax error
awk: cmd. line:1: FNR==NR{C=++c[$1];s[$1,C]=$4;e[$1,C]=$5;next;}{C=c[$1];if(C)for(n=1;n<=C;n++){if(s[$1,n]<=$2&&$2<=e[$1,n]){meth+=$7;all+=$6;n=C;}} END {print"meth="meth,"all="all,"ratio="meth/all;}
awk: cmd. line:1:                                                                                                                                                                                      ^ unexpected newline or end of string

还有 能不能给我解释解释大概每个括号里面的都代表什么意思，有点看不太懂额  原谅学杂我吧啊

Treywea

回复 16# zxy877298415


   白天就想回你了 刚刚又尝试了一遍 还是有问题

qianwen@epilab:/data/Users/qianwen/bsmap-2.74$ awk 'FNR==NR&&/exon/{a[$1]=a[$1]?a[$1]","$4"#"$54"#"$5;next} FNR>1{split(a[$1],b,",";for(i=1;i<=length(b);i++){split(b,c,"#";if(($2>=c[1])&&($2<=c[2])){meth+=$7;all+=$6;}}} END{print meth"\t"all;}' Test2.txt Test1.txt
52      9050.7
我的都是整数 你的不知道为什么算出一个小数，而且数据也不是很对。我用实际的数据 再给你们看看吧 都怪我 一开始想说简化一点可能大家好理解。现在还是要贴全部的

zxy877298415

回复 28# Treywea
恩，上点真实数据看看！


   

zxy877298415

awk 'FNR==NR&&/exon/{a[$1]=a[$1]?a[$1]","$4"#"$5:$4"#"$5;next}FNR>1{split(a[$1],b,",");
for(i=1;i<=length(b);i++){split(b,c,"#");if(($2>=c[1])&&($2<=c[2])) {m+=$6;all+=$7;}}}END{print "m="m,"all="all}' b.txt a.txt
你对对应该一下列啊！