忘记密码   免费注册 查看新帖 |

ChinaUnix.net

  平台 论坛 博客 文库 频道自动化运维 虚拟化 储存备份 C/C++ PHP MySQL 嵌入式 Linux系统
最近访问板块 发新帖
查看: 1413 | 回复: 7

[文本处理] 如何将两两序列比对分值最高的提取出来 [复制链接]

论坛徽章:
0
发表于 2018-02-26 15:17 |显示全部楼层
如下表1中:第一列为序列1,第二列为序列2,第三列为分值。
求问:如何将两两序列比对分值最高的提取出来?(提取时,第一列跟第二列相同的的不要;序列1序列2跟序列2跟序列1形式的只取以一行。如表2)
表1
super3869_1563648       super3869_1563648       147
super6666_617419 super6666_617419 462
super1370_1411596       super1370_1411596       1094
super162_234394  super162_234394  1332
super162_234394  scaffold127278_5563       773
super162_234394  super11337_200671      750
super162_234394  scaffold34802_176595     682
super1767_225582 super1767_225582 1171
super1767_225582 scaffold17182_136896   645
super1767_225582 scaffold176013_39225      625
super1767_225582 scaffold64316_128165     601
super1767_225582 scaffold109715_243908    560
super1767_225582 scaffold206386_158946    532
super1786_353120 super1786_353120 1343
super1786_353120 scaffold116128_191187    1055
super1786_353120 super3558_294993 994
super1786_353120 scaffold356065_175978    867
super11337_200671     super10398_260807      429
super11337_200671      super10010_1349177    424
super11337_200671      scaffold14159_630988   387
scaffold1207_440912      scaffold1207_440912      1232
scaffold1207_440912      scaffold116128_191187    885
scaffold1207_440912      super1786_353120 856
scaffold127278_5563    super162_234394     773
scaffold127278_5563    super1207_440912    424
表2
super162_234394  scaffold127278_5563       773
super1767_225582 scaffold17182_136896   645
super1786_353120 scaffold116128_191187    1055
super11337_200671     super10398_260807      429
scaffold1207_440912      scaffold116128_191187    885
哪个大神能帮忙回答下?谢谢

论坛徽章:
19
程序设计版块每日发帖之星
日期:2016-05-03 06:20:0015-16赛季CBA联赛之山西
日期:2018-08-07 19:46:2315-16赛季CBA联赛之佛山
日期:2018-08-03 13:19:33黑曼巴
日期:2018-07-06 15:19:5015-16赛季CBA联赛之八一
日期:2018-07-05 10:34:0915-16赛季CBA联赛之八一
日期:2018-07-03 16:56:4615-16赛季CBA联赛之深圳
日期:2018-06-15 14:59:3715-16赛季CBA联赛之青岛
日期:2018-06-08 13:45:2815-16赛季CBA联赛之同曦
日期:2018-06-04 19:42:2015-16赛季CBA联赛之山东
日期:2018-05-30 12:44:59CU十四周年纪念徽章
日期:2018-05-15 11:36:3815-16赛季CBA联赛之广东
日期:2018-05-14 09:52:42
发表于 2018-02-27 18:32 |显示全部楼层
  1. awk '$1!=$2&&!b[$2$1]{a[$1]=a[$1]>$3?a[$1]:$2" "$3;b[$1$2]=$3}END{for(i in a){print i,a[i]}}' 1
复制代码

论坛徽章:
0
发表于 2018-02-27 20:24 |显示全部楼层
回复 2# wh7211
大神,非常感谢。如果我是想得到序列是在第一列跟第二列相同的不要且序列1序列2跟序列2跟序列1形式的只取以一行前提下,接着取跟同一序列比对上的所有序列的前25%行(四舍五入),这样的情况可以解决吗?大神

论坛徽章:
19
程序设计版块每日发帖之星
日期:2016-05-03 06:20:0015-16赛季CBA联赛之山西
日期:2018-08-07 19:46:2315-16赛季CBA联赛之佛山
日期:2018-08-03 13:19:33黑曼巴
日期:2018-07-06 15:19:5015-16赛季CBA联赛之八一
日期:2018-07-05 10:34:0915-16赛季CBA联赛之八一
日期:2018-07-03 16:56:4615-16赛季CBA联赛之深圳
日期:2018-06-15 14:59:3715-16赛季CBA联赛之青岛
日期:2018-06-08 13:45:2815-16赛季CBA联赛之同曦
日期:2018-06-04 19:42:2015-16赛季CBA联赛之山东
日期:2018-05-30 12:44:59CU十四周年纪念徽章
日期:2018-05-15 11:36:3815-16赛季CBA联赛之广东
日期:2018-05-14 09:52:42
发表于 2018-02-28 11:48 |显示全部楼层
本帖最后由 wh7211 于 2018-02-28 18:28 编辑
接着取跟同一序列比对上的所有序列的前25%行(四舍五入)
  1. awk '$1!=$2&&!b[$2$1]{a[$1]=a[$1]>$3?a[$1]:$2" "$3;b[$1$2]=$3;c[$1]=c[$1]?c[$1]"|"$0:$0}END{for(i in a){print i,a[i]};for(j in c){d=int(split(c[j],t,"|")*0.25+0.5);for(x=1;x<=d;x++){printf "25% >>> "t[x]"\n"}}}' 1
复制代码

论坛徽章:
0
发表于 2018-03-06 22:10 |显示全部楼层
回复 4# wh7211

大神太厉害了,能否给个详解。awk '$1!=$2&&!b[$2$1]{a[$1]=a[$1]>$3?a[$1]2" "$3;b[$1$2]=$3;c[$1]=c[$1]?c[$1]"|"$00}END{for(i in a){print i,a};for(j in c){d=int(split(c[j],t,"|"*0.25+0.5);for(x=1;x<=d;x++){printf "25% >>> "t[x]"\n"}}}' 1 我查了资料也没有理解。如:b[$2$1],a[$1]=a[$1]>$3。

论坛徽章:
19
程序设计版块每日发帖之星
日期:2016-05-03 06:20:0015-16赛季CBA联赛之山西
日期:2018-08-07 19:46:2315-16赛季CBA联赛之佛山
日期:2018-08-03 13:19:33黑曼巴
日期:2018-07-06 15:19:5015-16赛季CBA联赛之八一
日期:2018-07-05 10:34:0915-16赛季CBA联赛之八一
日期:2018-07-03 16:56:4615-16赛季CBA联赛之深圳
日期:2018-06-15 14:59:3715-16赛季CBA联赛之青岛
日期:2018-06-08 13:45:2815-16赛季CBA联赛之同曦
日期:2018-06-04 19:42:2015-16赛季CBA联赛之山东
日期:2018-05-30 12:44:59CU十四周年纪念徽章
日期:2018-05-15 11:36:3815-16赛季CBA联赛之广东
日期:2018-05-14 09:52:42
发表于 2018-03-07 10:25 |显示全部楼层
本帖最后由 wh7211 于 2018-03-07 14:11 编辑

回复 5# 小小脑


优化了一下代码,用这个吧:
  1. awk '$1!=$2&&!c[$2$1]{if(a[$1]<$3){a[$1]=$3;b[$1]=$0};c[$1$2]=$3;d[$1]=d[$1]?d[$1]"|"$0:$0}END{for(i in b){print b[i]};for(j in d){e=int(split(d[j],t,"|")*0.25+0.5);for(x=1;x<=e;x++){printf("25% >>> %s\n",t[x])}}}' 1
复制代码
如果我是想得到序列是在第一列跟第二列相同的不要

$1!=$2 <--- $1和$2不相同时满足条件
且序列1序列2跟序列2跟序列1形式的只取以一行前提下

c[$1$2]=$3 <--- 对c[$1$2](序列1序列2形式)赋值后,c数组的值为真
!c[$2$1] <--- c[$2$1](序列2序列1形式)为假时满足条件,说明和序列1序列2形式不同

论坛徽章:
0
发表于 2018-03-08 09:17 |显示全部楼层
回复 6# wh7211
膜拜大神,想问下大神是否有类似的资料,可以分享下吗?

论坛徽章:
19
程序设计版块每日发帖之星
日期:2016-05-03 06:20:0015-16赛季CBA联赛之山西
日期:2018-08-07 19:46:2315-16赛季CBA联赛之佛山
日期:2018-08-03 13:19:33黑曼巴
日期:2018-07-06 15:19:5015-16赛季CBA联赛之八一
日期:2018-07-05 10:34:0915-16赛季CBA联赛之八一
日期:2018-07-03 16:56:4615-16赛季CBA联赛之深圳
日期:2018-06-15 14:59:3715-16赛季CBA联赛之青岛
日期:2018-06-08 13:45:2815-16赛季CBA联赛之同曦
日期:2018-06-04 19:42:2015-16赛季CBA联赛之山东
日期:2018-05-30 12:44:59CU十四周年纪念徽章
日期:2018-05-15 11:36:3815-16赛季CBA联赛之广东
日期:2018-05-14 09:52:42
发表于 2018-03-08 11:07 |显示全部楼层
资料很多,找一本书系统的看完,同时在群里多交流,CU上多看看帖子,多练习
您需要登录后才可以回帖 登录 | 注册

本版积分规则

【重磅资料】多云网络实战的相关问题汇总!
云网融合的多云网络

本文介绍如何管理私有云数据中心,构建数据中心互联和混合云解决方案。对于OTT 网络架构的深入理解,基本上来源于SIGCOM 的白皮书和一些公开视频。

Overlay SDN 控制器详解

云计算为了适应业务/APP 的快速开发和部署,会把网络分为两层:Overlay 和 Underlay 网络。本文主要讲Overlay网络层面的问题。

超级核心路由器演进

2016 年,网络连接已经采用100G/200G/400G(虽然 400GE 接口技术还未成熟),互联网出口也已经增长到了 T 级别。

获得资料 >>
  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号 北京市公安局海淀分局网监中心备案编号:11010802020122
广播电视节目制作经营许可证(京) 字第1234号 中国互联网协会会员  联系我们:wangnan@it168.com
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP