多条件数据处理

gooderpan

有一个文件file（空格分隔）：
>NM_198493|m.1  NM_198493|g.1  type:5prime_partial  len:287  gc:universal  NM_198493:2-862(+)
>NM_198493|m.2  NM_198493|g.2  type:complete  len:153  gc:universal  NM_198493:1865-2323(+)
>NM_198493|m.3  NM_198493|g.3  type:complete  len:118  gc:universal  NM_198493:1954-2307(+)
>NM_173852|m.4  NM_173852|g.4  type:complete  len:163  gc:universal  NM_173852:27-515(+)
>NM_001135254|m.9  NM_001135254|g.9  type:complete  len:506 gc:universal  NM_001135254:599-2116(+)
>NM_001135254|m.10  NM_001135254|g.10  type:5prime_partial  len:142 gc:universal  NM_001135254:2-427(+)

如果NM编号相同的情况下选出len最大的，想要的结果如下：
>NM_198493|m.1  NM_198493|g.1  type:5prime_partial  len:287  gc:universal  NM_198493:2-862(+)
>NM_173852|m.4  NM_173852|g.4  type:complete  len:163  gc:universal  NM_173852:27-515(+)
>NM_001135254|m.9  NM_001135254|g.9  type:complete  len:506 gc:universal  NM_001135254:599-2116(+)

请问大神，该怎么弄呀？？？

moperyblue

1. awk -F'[ |:]+' 'NR==FNR{if($8>a[$1])a[$1]=$8;next}a[$1]==$8' file file

复制代码

jason680

回复 1# gooderpan

$ awk 'match($0,">NM_([0-9]+).+len:([0-9]+)",m){k=m[1];v=m[2];if(!d[k])b[++c]=k;if(d[k]<v){d[k]=v;a[k]=$0}}END{for(n=1;n<=c;++n)print a[b[n]]}' FILE
>NM_198493|m.1  NM_198493|g.1  type:5prime_partial  len:287  gc:universal  NM_198493:2-862(+)
>NM_173852|m.4  NM_173852|g.4  type:complete  len:163  gc:universal  NM_173852:27-515(+)
>NM_001135254|m.9  NM_001135254|g.9  type:complete  len:506 gc:universal  NM_001135254:599-2116(+)

fh21_xuejinlian

1. awk -F'[|: ]+' 'NR==FNR{if($8>a[$1])a[$1]=$8}NR!=FNR{for(i in a){if(a[i]==$8)print $0}}'  file file

复制代码

jcdiy0601

1. awk 'BEGIN{FS="[\\| :]+"}NR==FNR{if(a[$3]<$8)a[$3]=$8;next}{for(i in a)if(a[i]==$8){print}}' file file

复制代码

gooderpan

回复 4# fh21_xuejinlian
请问大神，这个命令怎么理解呢？？求指教一二！

fh21_xuejinlian

回复 6# gooderpan

$8是取的len后面的值，对于$1作为数组的下标，依次进行比较，选择出第一个字段相同并且，len值最大的那个值，比如说256，保存在数组中，接着读取另外一个文件，根据数组中的值，取出相应的行。因为如果数组中存的是256，那就把256这个行取出来。

y2j16888

回复 4# fh21_xuejinlian


我是不明白中间的NR!=FNR  ， 这2个文件一样的， 行数不是应该都相等的吗？ 能否解释下
我知道可以NR!=FNR 去掉，前面花括号最后面加上;next

fh21_xuejinlian

回复 8# y2j16888

1. cat test1
   
2. a
   
3. b
   
4. c
   
5. d
   
6. cat test2
   
7. 1
   
8. 2
   
9. 3
   
10. 4
    
11. awk '{print NR,FNR}' test1 test2
    
12. 1 1
    
13. 2 2
    
14. 3 3
    
15. 4 4
    
16. 5 1
    
17. 6 2
    
18. 7 3
    
19. 8 4
    
20. 
    

复制代码

lifayi2008

1. awk 'BEGIN{FS="[_|]"}{a[$2]=$2>a[$2]?$0:a[$2]}END{for(i in a)print a[i]}' test.txt

复制代码