Итак, у меня есть такой файл:
file1
: три столбца
SNP Id Geno
1 а AB
2 а АВ
3 ББ
. . .
. . .
. . .
1 б AB
2 б BB
3 б AB
. . .
. . .
. . .
1 с АА
2 c AB
3 c AA
. . .
. . .
. . .
и мне нужен такой файл:
file2
: столько столбцов, сколько номеров ID с их генотипами
SNP Genoa Genob Genoc. . .
1 АБ АБ АА
2 AB BB AB
3 BB AB AA
. . . .
. . . .
. . . .
awk '{g[$1] = g[$1] " " $3}
END {for (i in g) print i g[i]}' < file1 > file2
Или для сохранения заказа:
awk '! ($1 in g) {snp[n++] = $1}
{g[$1] = g[$1] " " $3}
END {for (i = 0; i < n; i++) print snp[i] g[snp[i]]}' < file1 > file2
Включить заголовок "SNP Genoa Genob...":
awk 'NR == 1 {header = $1; prefix = $3; next}
first == "" {first = "" $1}
$1 == first {header = header " " prefix $2}
! ($1 in g) {snp[n++] = $1}
{g[$1] = g[$1] " " $3}
END {
print header
for (i = 0; i < n; i++) print snp[i] g[snp[i]]
}' < file1 > file2
Этот скрипт не тонкий и не читаемый, но он работает и, в отличие от уже опубликованного awk
решения, также генерирует строку заголовка:
sed 'G;s/^SNP.*/SNP/
/^1 /s/ \([^ ]*\).*SNP[^[:cntrl:]]*/& Geno\1/
s/^\([0-9]*\) [^ ]*\( [AB]*\)\n\(.*\n\1 [AB ]*\)/\3\2/
s/^\([0-9]*\) [^ ]*\( [AB]*\)\(\n\)\(.*\)/\4\3\1\2/
h
$!d' file1 > file2
Не будучи awk
пользователем, я думаю, вы можете расширить данное awk
решение таким образом, чтобы также сгенерировать строку заголовка:
awk '{if ($1==1) h=h" Geno"$2
if ($1!="SNP") g[$1]=g[$1]" "$3}
END {print "SNP"h; for (i in g) print i g[i]}' file1 > file2
perl -lane '
next if $. == 1; # skip header
$A[@A] = $F[1] if /^1\h/; # populate new header
push @{$h{$F[0]}}, $F[2]}{$,="\t"; # OFS = tab
print q/SNP/, map { "Geno$_" } @A; # new header print
print $_, @{$h{$_}} for sort { $a <=> $b } keys %h; # result
' gene.data
Здесь сохраните 3-е поле $F[2]
в AoA (массив _массива _). В конце мы сортируем хэш-ключи в числовом виде и печатаем данные.
sed -e '
1d; # monospace lines
s/[[:blank:]]\{1,\}/\t/g;s/^[[:blank:]]*//;s/[[:blank:]]*$//
H;g
# 1 2 3 4
s/\(\n\(.*\n\)\{0,1\}\)1[[:blank:]]\([^[:space:]]\{1,\}\)\([[:blank:]][^[:space:]]\{1,\}\)$/\tGeno\3\1\n1\4/
/\(\n[^[:space:]]\{1,\}[[:blank:]]\)[^[:space:]]\{1,\}[[:blank:]]\([^[:space:]]\{1,\}\)$/s//\1\2/
y/\n_/_\n/
s/_\([0-9]\{1,\}\)\([^_]*\)_\(.*_\)\{0,1\}\1\([[:blank:]][^_]*\)/_\1\2\4_\3/
y/\n_/_\n/
h;$!d
s/\n*$//
s/\n\(\n\)/\1/
s/^[[:blank:]]/SNP&/
' gene.data
SNP Genoa Genob Genoc
1 AB AB AA
2 AB BB AB
3 BB AB AA