使用awk过滤行
被过滤的数据
MarkerName Allele1 Allele2 Freq1 FreqSE P-value Chr Pos
rs2326918 a g 8510 0001 5255 6 130881784
rs2439906 c g 0316 0039 8997 10 6870306
rs10760160 a c 5289 0191 8107 9 123043147
rs977590 a g 9354 0023 8757 7 34415290
rs17278013 t g 7498 0067 3595 14 24783304
rs7852050 a g 8814 0006 7671 9 9151167
rs7323548 a g 0432 0032 4555 13 112320879
rs12364336 a g 8720 0015 4542 11 99515186
rs12562373 a g 7548 0020 6151 1 164634379
我们想要做的是
Chr当它等于 6 时从（第 7 列）获取行，并且Pos当值在 11000000 和 25000000 之间时从（第 8 列）获取行。例如，我们知道我们的数据中有 8 个由制表符分隔的列，但是如果你不知道有多少列，你可以通过一些
awk找到它：
> awk "{print NF}" < rumenz.txt | uniq
8
NF是一个 AWK 内置变量，它代表_字段数_。我们通过管道将其传递给，uniq因为默认行为将打印每行的列数，并且由于每行具有相同的列数，因此uniq会将其减少为一个数字。
打印字段和搜索
我们还可以使用
awk来选择和打印文件的一部分。让我们现在这样做。
> awk '{print $1 $2}' rumenz.txt
rs11058339t
rs7338610t
rs882601t
rs13290449t
rs2941056a
rs10444526a
rs12190167a
rs1125337a
rs7911101a
rs13053206c
rs697690t
rs12447687t
rs2402752t
rs12042911a
...
请注意，输出没有格式。有很多方法可以在
awk中格式化和构建输出。查看awk用户指南上的打印部分以获取更多信息。现在我们已经选择了几列来打印出来，让我们使用
awk来搜索一个特定的东西——我们知道数据集中存在的一个数字。请注意，如果你指定要打印哪些字段，awk将默认打印与搜索匹配的整行。
> awk '/2410626/' rumenz.txt
rs4853805 a t 2107 0029 4229 2 2410626
我们可以匹配一个字符串模式或正则表达式，而不是匹配一个唯一的数字。在这种情况下，
awk将返回与模式匹配的每一行。在我们上面的例子中，这个数字在数据文件中出现一次，但我们可以使用正则表达式或范围模式来代替。有关在awk中查找模式的更多信息，请查看awk指南的模式、操作和变量部分。
根据字段值过滤行
现在我们知道如何访问字段（列）并在我们的文档中查找模式，但是我们如何控制要搜索的内容和位置？我们最初的问题要求我们查看该
Chr字段以仅获取值为 6 的行。然后我们希望查看该Pos字段以获取这些值介于 11000000 和 25000000 之间的行。要在awk中执行此操作，我们需要使用在if同一个条件表达式一起控制语句。
> awk '{ if ($7 == 6) { print } }' rumenz1-txt | head
rs2326918 a g 8510 0001 5255 6 130881784
rs16877977 a g 1302 0048 05945 6 16494324
rs7763812 a t 9815 0008 05328 6 104042808
rs222555 c g 3720 0051 7756 6 95272331
rs9450727 t c 6193 0106 08575 6 88293919
rs12200899 t c 7683 0075 7118 6 66215503
rs990018 t c 0201 0000 6292 6 68825590
rs1344178 a c 6250 0016 7234 6 118804141
rs12529570 c g 1987 0148 266 6 110283483
rs3130560 t g 2706 0242 2365 6 31205432
上面，我们使用关键字if，然后使用条件表达式(7 == 6)，基于7我们要测试的列变量。这里的表示我们正在处理一个变量，在这种情况下，awk 知道这7意味着我们数据集中的第 7 个字段。同样，
现在我们要在
Pos列上测试条件的另一部分。这次我们将使用>=运算符来测试第 8 列中的值是否大于或等于 11000000。
> awk '{ if($8 >= 11000000) { print }}' rumenz.txt | head
MarkerName Allele1 Allele2 Freq1 FreqSE P-value Chr Pos
rs2326918 a g 8510 0001 5255 6 130881784
rs10760160 a c 5289 0191 8107 9 123043147
rs977590 a g 9354 0023 8757 7 34415290
rs17278013 t g 7498 0067 3595 14 24783304
rs7323548 a g 0432 0032 4555 13 112320879
rs12364336 a g 8720 0015 4542 11 99515186
rs12562373 a g 7548 0020 6151 1 164634379
rs17706069 a t 8055 0537 993 16 27095047
rs17035887 a g 0588 0072 6673 2 46983448
到目前为止，我们已经确认我们可以使用
ifawk 中的语句来返回满足条件的行。查看有关在 AWK 中使用控制语句的文档，了解更多使用条件进行决策的方法。下一步是将这些条件表达式与第三个（小于 25000000）组合起来，一次性完成所有过滤。为此，我们需要在条件表达式中使用布尔运算符。让我们先对上面算出的两个条件表达式进行尝试。
> awk '{ if(($7 == 6) && ($8 >= 11000000)) { print } }' rumenz.txt | tail
rs9320690 a g 5342 0041 9136 6 119812605
rs483727 t c 2512 0052 1624 6 81681348
rs754997 t g 8192 0091 6605 6 133635869
rs2073214 t c 1465 0007 1076 6 144123302
rs12195885 a c 0224 0000 9662 6 23600679
rs6924121 t c 6988 0031 4138 6 165249220
rs11961870 a c 2470 0094 9404 6 143943842
rs9476984 c g 0711 0014 9935 6 16036569
rs9382099 t c 1443 0043 7554 6 52328752
rs2504065 a g 4974 0009 3366 6 152136860
我们使用 boolean
and&&here（其他运算符是||foror和!fornot）来组合我们的两个条件语句。现在让我们将第二列$8条件 (<=25000000) 添加到 if 语句中。
> awk '{ if(($7 == 6) && ($8 >= 11000000 && $8 <= 25000000)) { print } }' rumenz.txt
rs16877977 a g 1302 0048 05945 6 16494324
rs7767788 t c 6144 0042 3234 6 14098813
rs12523811 a c 5216 0055 2504 6 17941531
rs12199382 a g 4045 0113 7856 6 22435109
rs9465281 c g 0719 0105 1794 6 19326722
rs13196524 t c 9426 0209 8672 6 22356754
rs12195885 a c 0224 0000 9662 6 23600679
rs9476984 c g 0711 0014 9935 6 16036569
相关文章
腾讯云开发者
