基于同一列在行中组合多个列值

Question

我需要帮助来改进我的工作代码，以便根据指定列的相同值组合多行。 这是一个示例数据：

c-i1_pos-at1-v2 162a    AT1G01040.1 2   3422-3443   3433    1
c-i1_pos-at1-v2 162b    AT1G01040.1 2   3422-3443   3433    1
pare-i_226-v2-wt    162a    AT1G01040.1 2   3422-3443   3433    0
pare-i_226-v2-wt    162b    AT1G01040.1 2   3422-3443   3433    0
xrn4-pare-i_ath-227-v2-wt   827 AT1G02860.1 1   258-278 269 1
i2_lib2-v2  156a    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156b    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156c    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156d    AT1G03730.1 4   242-260 252 3
i2_lib2-v2  156e    AT1G03730.1 4   242-260 252 3

基本上如果 $3,$5 列中的值相同，我想将列 $2,$6（或更多）的行合并，其余列的唯一值合并如下：

AT1G01040.1 3422-3443   3433    162a,162b
AT1G02860.1 258-278 269 827
AT1G03730.1 242-260 252 156a,156b,156c,156d,156e

现在我正在尝试根据答案here 分多个步骤执行此操作。

awk 'BEGIN{FS=OFS="\t"} {c=$2 FS $3 FS $5; if (c in a) a[c]=a[c]","$6; else a[c]=$6}END{for (k in a) print k,a[k]}'|awk '{p=$1 FS $2 FS $4; if (p in l) l[p]=l[p]","$3;else l[p]=$3}END{for (m in l) print m,l[m]}' <input.txt

这给出了：

AT1G01040.1 3422-3443   3433,3433   162a,162b
AT1G02860.1 258-278 269 827
AT1G03730.1 242-260 252 156a,156b,156c,156d,156e

我认为我应该将剩余列中的值作为数组放入，以便一步获得所需的输出，但我正在努力找出正确的上下文。

Answer 1

怎么样

awk '{if ( $3 in a ) a[$3] = a[$3]","$2; else a[$3] = $3" "$5" "$6" "$2} END{for (i in a) print a[i]}' inputFile

将产生输出为

AT1G03730.1 242-260 252 156a,156b,156c,156d,156e
AT1G02860.1 258-278 269 827
AT1G01040.1 3422-3443 3433 162a,162b,162a,162b

说明

a[$3] = $3" "$5" "$6" "$2 创建一个数组a，以第三个字段$3 为索引，else 部分确保在第一次遇到该行时创建该数组。

if ( $3 in a ) a[$3] = a[$3]","$2 如果第三个字段$3 已经存在于数组中，则将第二个字段$2 添加到数组中

END{for (i in a) print a[i]} END 块在输入结束时被执行。打印整个数组并给出输出

编辑

一个更简单的版本是

awk '{( $3 in a ) ? a[$3] = a[$3]","$2 : a[$3] = $3" "$5" "$6" "$2} END{for (i in a) print a[i]}' inputFile

感谢 Jotne 的建议。