如何删除不符要求的行

蓝色未央

关于文件抽取的问题，想请教一些诸位大神：
1.txt长这样（共9列，最后一列最长）

chr1    Cufflinks       exon    840450  841059  .       +       .       gene_id "XLOC_000003"; transcript_id "TCONS_00000014"; exon_number "1"; gene_name "RP11-54O7.16"; oId "TCONS_00000006"; nearest_ref "ENST00000607769.1_1"; class_code "i"; tss_id "TSS13";
chr1    Cufflinks       exon    841182  843900  .       +       .       gene_id "XLOC_000003"; transcript_id "TCONS_00000014"; exon_number "2"; gene_name "RP11-54O7.16"; oId "TCONS_00000006"; nearest_ref "ENST00000607769.1_1"; class_code "i"; tss_id "TSS13";
chrMT   Mt_tRNA exon    577     647    .       +       .       gene_id "ENSG00000210049"; transcript_id "ENST00000387314"; exon_number "1"; gene_name "MT-TF"; gene_biotype "Mt_tRNA"; transcript_name "MT-TF-201"; exon_id "ENSE00001544501";


目标文件就是判断针对每一个相同gene_id，如果exon_number >1, 则保留整个gene_id的相关信息，如果没有则删除；

结果如下（gene_id "ENSG00000210049" 这个id只有exon_number "1" ，没有出现exon_number "2"等等，则删除）：

chr1    Cufflinks       exon    840450  841059  .       +       .       gene_id "XLOC_000003"; transcript_id "TCONS_00000014"; exon_number "1"; gene_name "RP11-54O7.16"; oId "TCONS_00000006"; nearest_ref "ENST00000607769.1_1"; class_code "i"; tss_id "TSS13";
chr1    Cufflinks       exon    841182  843900  .       +       .       gene_id "XLOC_000003"; transcript_id "TCONS_00000014"; exon_number "2"; gene_name "RP11-54O7.16"; oId "TCONS_00000006"; nearest_ref "ENST00000607769.1_1"; class_code "i"; tss_id "TSS13";



感觉自己没有表述清楚，还望大神理解

moperyblue

1. awk -F'[ \t";]+' 'NR==FNR{if($14>1)a[$10]=1;next}a[$10]' 1.txt 1.txt

复制代码

sunzhiguolu

chr1    Cufflinks       exon    840450  841059  .       +       .       gene_id "XLOC_000003"; transcript_id "TCONS_00000014"; exon_number "1"; gene_name "RP11-54O7.16"; oId "TCONS_00000006"; nearest_ref "ENST00000607769.1_1"; class_code "i"; tss_id "TSS13";

你的这条记录的 exon_number "1" 也不是 2 为何结果中包含此记录？

蓝色未央

回复 3# sunzhiguolu

是这样的，因为该id总共有两个，分别是1和2，所以都保留，有的id只有1个则删除，有的id则有1,2,3则都保留，就是2以及2以上的都保留

moperyblue

同一个gene_id如果其任一exon_number对应的值大于1则 保留这些gene_id所在的记录?

sunzhiguolu

回复 4# 蓝色未央

是这样的，因为该id总共有两个，分别是1和2，所以都保留，有的id只有1个则删除，有的id则有1,2,3则都保留，就是2以及2以上的都保留

你说的这些我还是没看明白，将删除的条件详细描述一下。

jason680

http://bbs.chinaunix.net/thread-4259810-1-1.html
http://bbs.chinaunix.net/thread-4259658-1-1.html

$ awk 'BEGIN{O0O0="="=="=";OOO0="-"-"-";OO0=O0O0 OOO0}{O0O[$OO0]++;O00[$OO0]=$OOO0}END{for(OO0 in O0O)if(O0O[OO0]==O0O0)print O00[OO0]}' FILE
chrMT   Mt_tRNA exon    577     647    .       +       .       gene_id "ENSG00000210049"; transcript_id "ENST00000387314"; exon_number "1"; gene_name "MT-TF"; gene_biotype "Mt_tRNA"; transcript_name "MT-TF-201"; exon_id "ENSE00001544501";

蓝色未央

回复 6# sunzhiguolu

谢谢你多次给予帮助，perl脚本已经解决了，感觉要恶补python和脚本命令了，再次谢谢

蓝色未央

回复 7# jason680

谢谢大神多次给予帮助