每行列数不一致的文件所需的转置类型

Question

我有一个制表符分隔的文件（其中每行的列数不固定），如下所示：

chr1 92536437 92537640 NM_024813 NM_053274

我想按以下顺序从中获得一个文件（前三列是我在拆分时需要的标识符）< br>

chr1 92536437 92537640 NM_024813
chr1 92536437 92537640 NM_053274

对 shell 脚本的建议。

Answer 1

#!/bin/bash
{
    IFS='   '
    while read a b c rest
    do
        for fld in $rest
        do
            echo -e "$a\t$b\t$c\t$fld"
        done
    done
}

请注意，您应该在那里输入一个真正的选项卡（IFS）

我还认为我应该做一个 perl 版本：

#!/bin/perl -n
($a,$b,$c,@r)=(chomp and split /\t/); print "$a\t$b\t$c\t$_\n" for @r

要从命令行完成所有操作，从 in.txt 读取并输出到 out.txt

perl -ne '($a,$b,$c,@r)=(chomp and split /\t/); print "$a\t$b\t$c\t$_\n" for @r' in.txt > out.txt

：当然，如果您保存 perl 脚本（例如 script.pl）

perl script.pl in.txt > out.txt

如果您还使脚本文件可执行（chmod +x script.pl）：

./script.pl in.txt > out.txt

HTH

Answer 2

不是 shell，另一个答案完全没问题，但我用 perl 对其进行了编辑：

perl -F'/\s/' -lane '$,="\t"; print @F,$_ for splice @F,3' $FILE

编辑：新版本（甚至更难以阅读；），受到其他答案的启发。滥用 perl 的命令行参数和特殊变量进行自动分割和行结束处理。

含义：对于前三个字段之后的每个字段（对于拼接@F,3），打印前三个字段及其（print @F,$_）。

-F 将字段分隔符设置为 \s（应为 \t），以便 -a 自动拆分为 >@F。

-l 打开 -n 的行结束处理，它为输入的每一行运行 -e 代码。

$, 是输出字段分隔符。

Answer 3

[编辑]

那么您想为每个剩余项目复制前三列吗？

$ cat File | while read X
      do PRE=$(echo "$X" | cut -f1-3 -d ' ')
      for Y in $(echo "$X" | cut -f4- -d ' ')
          do echo $PRE $Y >> OutputFilename
      done
  done

返回：

chr 786 789 NM
chr 786 789 NR
chr 786 789 NT
chr 123 345 NR

这会将前三个空格分隔列作为前缀，然后滥用 for 循环将逐步遍历空格分隔列表来调用 echo 的事实。

享受。

Answer 4

这只是您的两个文件中的数据比较问题的子集。

从那里提取我的有点老套的解决方案：

for i in 4 5 6 7; do join -e _ -j $i f f -o 1.1,1.2,1.3,0; done | sed '/_$/d'