2개의 입력 파일이 있습니다. 입력 file1은 다음과 같습니다
Equus caballus
Monodelphis domestica
Saccharomyces cerevisiae S288c
입력 2는 다음과 같습니다(처음 10개 행 표시).
>CM000377.2/60448635-60448529 Equus caballus chromosome 1, whole genome shotgun sequence. ATCGCTTCTCGGCCTTTTGGCTAAGATCAAGTGTAGTATCTATTCTTATCAGTTTAAAACTAGTGGTGAAATGAGATGTAGACAGTAACATTTGAATTACAACATCA
>CM000377.2/105043590-105043453 Equus caballus chromosome 1, whole genome shotgun sequence. ATTGCTTCTTGGCCTTTTGGCTAAGATCAAGTATAGTATCTGTTCTCATCAATTTAAAAATGGCAATATAAATAGACCCATAGTAGATCCAGATAATGGTGTTATCAGAAAAGGACTTTAAGTAATTTAATATGTTCA
>CM000377.2/137942042-137941941 Equus caballus chromosome 1, whole genome shotgun sequence. ATCGCTTCTCAGACTTTTGGCTAAGATCAAGCGTAGTATCTGTTCTTATCAGTAATTAACTTCAGAAAAGTTAACTCATCTTCAGCAAGGCAGTAATCCCCT
>CM000377.2/97988860-97989002 Equus caballus chromosome 1, whole genome shotgun sequence. ATCGCTTCTTGGCCTTTTGGCTAAGATCAAGTGTAGGAATCAATGAATTTCTGGTTATGGAGGCTAAAATGATATCTAATCTTGACTTAATCTAGGTCTCTTCAGTATTTGTCACCCTTTACTACATTCTCTGCTGATGCACT
>CM000377.2/77415658-77415776 Equus caballus chromosome 1, whole genome shotgun sequence. ACTGCTTCTTCGCCTTTTGGCTAAAATCAAGTATAGTATCTGTTCTTACCAGTTTAAGTACTTTTTGTGCTTCTCATGGCTATAAGCCATAATTGCTGTTATAACGGTAAGGATTTTTC
>CM000377.2/172045138-172045024 Equus caballus chromosome 1, whole genome shotgun sequence. ATTGCTTCTTGGCCTTTCAGCTAAGATCAAGTGTTGTATCTGTTCGTATCAGTTTAAATCATTCTGCACCAAAGATATGTCTCTTCTTCTCCATTTATTAATTTGTTCACTTATT
>CM000378.2/50070490-50070688 Equus caballus chromosome 2, whole genome shotgun sequence. ATTGCTTCTCGGCCTTTTGGCTAAGATCAAGTGTAGTAATTGATTATCTCAAGTTAAGGAGAACTCACTACATCCCAAAGTCTCATTCTTTGTCTGAGTCTTGACACACATACTTCTTTCTGTGAGTATGTCCCTATTGCCTGCAATTGGCAATCTAAACATTCAGTGAAAATCTTCATTAGCTTTGAATGAACCATGT
>CM000378.2/21366877-21367061 Equus caballus chromosome 2, whole genome shotgun sequence. AAAGCGTCTCAGCCTTTTGGCTAAGATCAAGTGTAGTATCTGTAGCTAGTCTATAACCTGATTGATATGTCCATTTTACCCCAATATCATACCATTATGATTACTGTGGCTTTATATAGCAAATCTTGAACTCAGGTAGTATAAATCCTCTAACTCTGTTCTTTGTCAAAATGGTCTTGGCTATT
>CM000378.2/56987690-56987788 Equus caballus chromosome 2, whole genome shotgun sequence. ATCGCTTCTCGGCCTTTTGGCTAAGATCAAGTGTAGTATCTGAACGTCGGCGCCCTCGTGAGGAGGCACAGCCTCTCGTTCCCTGCTCCTACACTCCTT
>CM000378.2/18244103-18244249 Equus caballus chromosome 2, whole genome shotgun sequence. ATCGCTTCTCGGCCTTTTGGCTGAGATCAAGTGTAGAGCTTTGAATAGTATAATAATATTATTTTGATAGTAATAACAATAAACAATCGCTAGCATTAATGAGAGCTTAGTGTATGCCAGTCACCATGCTAAGTGCTCTAGATGCTT
>CM000370.1/74459482-74459563 Monodelphis domestica chromosome 3, whole genome shotgun sequence. ATCACTTCTCTGCCTTTTGGCTAAGATCAAGTGTAGTATCAATAGATGCAGAAAGAGCTTTTGACAAAATACAACACCCATT
>CM000370.1/105243828-105243703 Monodelphis domestica chromosome 3, whole genome shotgun sequence. ATTGTTTCTTGGCCTTTTGGCTAAGATCAAGTGTAGAAATATTGTTAAATAATTACTTGTAAGATCTCGGAGAAACTAGAGAAGGTATTTATTGTACCTGGGAGTTTCCCATTCCTGGAACTCTCT
>CM000370.1/143474511-143474342 Monodelphis domestica chromosome 3, whole genome shotgun sequence. ATTGCTTCTCAACCTTTTGGCTAAGATCAAGTGTAGTATCTATATCCCAATGATGTTTGGGATACTTAGTATTTGGGCAGCTAGAACTCCTCTTCCTGAGTTAAAATCCAGCCAATCACTAGCTGTGTGGCCTTGGGTAAGTCACTTAACCCAGTTTGCCTCAGTTGTCT
>CM000371.1/104846407-104846597 Monodelphis domestica chromosome 4, whole genome shotgun sequence. ATCGCTTCTCGGCCTTTTGGCTAAGATCAAGTGTAGTATCTGTTCTTATCAGTTTAATATCTGATACGTCCTCTATCCGAGGACAATATATTAAATGGATTTTTGAAGCAGGGAGTCGGAATAGGAGCTTGCTCCGTCCACTCCACGCATCGACCTGGTATTGCAGTACTTCCAGGAACGGTGCACCTCCC
>CM000371.1/104773987-104774177 Monodelphis domestica chromosome 4, whole genome shotgun sequence. ATCGCTTCTCGGCCTTTTGGCTAAGATCAAGTGTAGTATCTGTTCTTATCAGTTTAATATCTGATACGTCCTCTATCCGAGGACAATATATTAAATGGATTTTTGAAACAGGGAGTCGGAATAGGAGCTTGCTCCGTCCACTCCACGCATCGACCTGGTATTGCAGTACTTCCAGGAACGGTGCACTTCCC
>BK006936.2/681858-681747 TPA: Saccharomyces cerevisiae S288c chromosome II, complete sequence. ATCTCTTTGCCTTTTGGCTTAGATCAAGTGTAGTATCTGTTCTTTTCAGTGTAACAACTGAAATGACCTCAATGAGGCTCATTACCTTTTAATTTGTTACAATACACATTTT
입력 file1과 일치하는 입력 file2의 행을 grep하고 이를 계산하여 입력 file1의 행이 입력 file2에 나타나는 총 횟수를 얻고 싶습니다.
출력 예
Equus caballus 10
Monodelphis domestica 5
Saccharomyces cerevisiae S288c 1
등.
input2 파일에서 file1의 일치하는 줄을 추출하는 데 사용합니다.
grep -Fwf input1 input2
input1의 각 행이 input2에 나타나는 횟수를 계산하는 방법은 무엇입니까?
답변1
다음 방법으로 이를 수행할 수 있습니다.
grep -Fowf input1 input2 | sort | uniq -c
이렇게 하면 원하는 방식의 반대 방향으로 출력이 생성되지만 해당 순서대로 필요한 경우 다음을 수행할 수 있습니다.
grep -Fowf input1 input2 | sort | uniq -c | awk '{c = $1; $1 = ""; print $0,c}'
답변2
Awk의 배열을 사용하여 이를 수행할 수 있습니다.
awk '
NR==FNR {a[$0]==1; next}
{for(x in a) c[x] += $0 ~ x}
END {for (x in a) print x, c[x]}
' input1 input2
Equus caballus 10
Saccharomyces cerevisiae S288c 1
Monodelphis domestica 5
(이것은 단일 배열을 사용하여 수행할 수 있지만 IMHO는 인덱스 세트와 개수를 저장하기 위해 별도의 배열을 사용하는 것이 더 깔끔할 것입니다.)
답변3
perl -lne '
$h{"$_"}=$h[@h]=$_,next if @ARGV && !exists $h{$_};
for my $h (@h) { 1+index(s/\h+/ /rg, " $h chromosome ") && $s{$h}++; }
}{print "$_ $s{$_}" for @h;
' file1 file2
산출:
Equus caballus 10
Monodelphis domestica 5
Saccharomyces cerevisiae S288c 1
설명하다:
-n
Perl
파일은 한 줄씩 읽혀 지며 요청하지 않는 한 인쇄되지 않습니다.-l
할 것RS = ORS = \n
관련된 데이터 구조:
- 해시에는
%h
에서 읽은 유전자 키가 있습니다file1
. - 배열에는
@h
(중복되지 않음) 읽을 때 발견된 순서대로 유전자가 포함됩니다file1
. - 해시에는
%s
유전자가 포함된 키와 해당 유전자가 나타나는 횟수에 해당하는 값이 있어야 합니다file2
.
- 해시에는
피복재:
@ARGV
첫 번째 매개변수(file1)는 1개의 파일 내용을 읽어야 하며, 두 번째 매개변수(file2)는 비어 있어야 합니다. 따라서 첫 번째 줄은file
hash%h
및 array 에서만 작동하고 채울 것입니다@h
.- 두 번째 줄은 읽기 행에 적용되고 특정 행에서 특정 유전자가 발견된 횟수로
file2
해시 값을 업데이트합니다 .%s
index(str, substr)
이 함수는 문자열에서 하위 문자열의 위치를 찾으면 반환하고, 실패하면 -1을 반환합니다.
- 3행은 file2를 읽은 후 실행되며
%s
배열에 설정된 키 순서대로 해시 내용을 인쇄합니다@h
.
답변4
원하는 작업을 수행하는 Python 스크립트는 다음과 같습니다.
#!/usr/bin/env python
"""Count the occurrences of the lines in file1 inside file2."""
import sys
path1 = sys.argv[1]
path2 = sys.argv[2]
counts = dict()
with open(path1, 'r') as file1:
for line1 in file1.read().splitlines():
counts[line1] = 0
with open(path2, 'r') as file2:
for line2 in file2.read().splitlines():
if line1 in line2:
counts[line1] += 1
for key, value in counts.iteritems():
print("{}: {}".format(key, value))
다음과 같이 실행할 수 있습니다.
python count.py file1 file2
주어진 예제 데이터에서 다음과 같은 출력이 제공됩니다.
Monodelphis domestica: 5
Saccharomyces cerevisiae S288c: 1
Equus caballus: 10
다음은 동일한 작업을 수행하는 Bash 스크립트입니다.
#!/bin/bash
file1 = "$1"
file2 = "$2"
while read line; do
count="$(grep -F "${line}" file2 | wc -l)"; echo "${line}: ${count}";
done < file1