根据分值筛选序列

wd_my

A文件有6列数据。只考虑前4列：序列ID，起始位置，终止位置，和分值。
scaffold_1      56182   56587   558     -       scaffold_136_130700_138782
scaffold_1      56182   56592   621     -       scaffold_136_130700_138782
scaffold_1      56234   56754   691     -       scaffold_26_37694_44393
scaffold_1      56237   56754   702     -       scaffold_26_37694_44393
scaffold_1      56405   56750   479     +       scaffold_190_311085_324852
scaffold_1      56405   56754   508     +       scaffold_190_311085_324852
scaffold_2      56435   56751   425     +       scaffold_385_49654_63581
scaffold_2      56435   56754   425     -       scaffold_122_71161_78289
scaffold_2      56436   56754   412     +       scaffold_385_49654_63581
scaffold_2      56444   56754   409     -       scaffold_122_71161_78289
scaffold_2      77488   77745   372     +       scaffold_13_441083_455311
scaffold_2      77488   77748   405     +       scaffold_13_441083_455311
scaffold_3      87488   97748   505     +       scaffold_3_441083_455311
scaffold_4      99154   99656   715     +       scaffold_429_32312_46414
scaffold_4      99161   99656   743     +       scaffold_429_32312_46414
scaffold_5      99296   99522   302     +       scaffold_384_42367_55456
scaffold_6      99319   99543   327     -       scaffold_639_14164_28258
scaffold_6      99322   99544   329     -       scaffold_61_167235_177053
scaffold_6      99322   99788   697     -       scaffold_167_387886_401156
目的：将文件中相同序列ID的起始位置和终止位置有重叠的根据分值大的提出。如果有重叠的分值一样大，则将起始位置终止位置间距长的提出。
得到：

scaffold_1      56237   56754   702     -       scaffold_26_37694_44393
scaffold_2      56435   56754   425     -       scaffold_122_71161_78289
scaffold_2      77488   77748   405     +       scaffold_13_441083_455311
scaffold_3      87488   97748   505     +       scaffold_3_441083_455311
scaffold_4      99161   99656   743     +       scaffold_429_32312_46414
scaffold_5      99296   99522   302     +       scaffold_384_42367_55456
scaffold_6      99322   99788   697     -       scaffold_167_387886_401156

Looiml

你自己的数据有误吧？怎么scaffold_2重复了？不是指考虑前4列吗？

1. 
   
2. $ awk '{if($4>c[$1]||($4==c[$1] && ($3-$2)>(b[$1]-a[$1]))){a[$1]=$2;b[$1]=$3;c[$1]=$4;d[$1]=$5"    "$6}}END{OFS="    ";for(i in c){print i,a[i],b[i],c[i],d[i]}}' a.txt
   
3. scaffold_1    56237    56754    702    -    scaffold_26_37694_44393
   
4. scaffold_2    56435    56754    425    -    scaffold_122_71161_78289
   
5. scaffold_3    87488    97748    505    +    scaffold_3_441083_455311
   
6. scaffold_4    99161    99656    743    +    scaffold_429_32312_46414
   
7. scaffold_5    99296    99522    302    +    scaffold_384_42367_55456
   
8. scaffold_6    99322    99788    697    -    scaffold_167_387886_401156
   

复制代码