열 값을 해당 열 값의 평균으로 바꿉니다.

열 값을 해당 열 값의 평균으로 바꿉니다.

481974개의 행이 있는 "snp_sol"이라는 다음 데이터 세트가 있습니다.

 trait     effect     snp       chr      pos   snp_effect      weight          variance_explained        var_a_hat
  1         2         1         1        54  0.2030156E-02   1.251482                  0                    0
  1         2         2         1       689 -0.3726744E-03  0.9660012                  0                    0
  1         2         3         1      1234  0.4801369E-03  0.9823542                  0                    0 
  1         2         4         1      1280 -0.1104844E-03  0.9272357                  0                    0
  1         2         5         1      2610 -0.1296295E-02   1.115933                  0                    0
 ...       ...       ...       ...     ...    ...            ...                     ...                   ...

  1         2    481971        26   4897157 -0.7846317E-04  0.9226092                  0                    0
  1         2    481972        26   4898314 -0.3934468E-03  0.9691408                  0                    0
  1         2    481973        26   4898376 -0.7204678E-03   1.019935                  0                    0
  1         2    481974        26   4898606 -0.1522481E-03  0.9333048                  0                    0

다음과 같이 원래 값의 위치에 나타나야 하는 일곱 번째 열(가중치)에서 각 50개 값(창)의 평균을 구하고 싶습니다.

trait     effect     snp       chr      pos   snp_effect               weight                variance_explained      var_a_hat
  1         2         1         1        54  0.2030156E-02      mean of first 50 rows              0                    0
 ...       ...       ...       ...     ...    ...                        ...                      ...                  ...

  1         2        50         1      4234  0.5801369E-03      mean of first 50 rows              0                    0
  1         2        51         1      5080 -0.5048544E-03  mean of second set of 50 rows          0                    0
 ...       ...       ...       ...     ...    ...                        ...                      ...                  ...

  1         2       100         1     12050 -0.4854433E-03  mean of second set of 50 rows          0                    0 
  1         2       101         1     14080 -0.3554433E-03   mean of third set of 50 rows          0                    0 
 ...       ...       ...       ...     ...    ...                        ...                      ...                  ...

  1         2       150         1     14080 -0.7894433E-03   mean of third set of 50 rows          0                    0 

 and so on

  1         2    481974        26   4898606 -0.1522481E-03        mean of last rows                0                    0

겹치는 창이 없어야 하며 마지막 창에는 50개의 행이 있을 수 없습니다.

나는 이 코드를 시도하고 있습니다 :

NR=$(wc -l "snp_sol" | awk '{print $1}')  # Count the number rows
window=$((NR/50))             # Defining the number windows
int=${window%.*}              # Converting to interger
it=$((2*int))                 # Double the number of windows
for i in $(seq 0 50 $it)          # for statement with a seq to count the windows
    do
    vi=$i                    # Variable to define the beginning of the window       
    vf=$((vi+50))           # Variable to define the end of window
    awk -v vi="$vi" -v vf="$vf" '{ if(NR > vi && NR <= vf)  # take each window
        print } ' snp_sol > b.txt                          # new temporary file to receive the window 
        m=$(awk '{sum+=$7} END {m=sum/NR; print m}' b.txt) # Calculate the mean
    awk -v mean="$m" '{print $1=$3,$2=mean}' b.txt > $i.temp  # save a temporary file with the mean in second column
    rm b.txt      # Remove the file created to calculate the mean
done
cat *.temp > b.temp   # join all temporary files in sequence
paste snp_sol b.temp > c.temp  
awk '{print $1,$2,$3,$4,$5,$6,$7=$11,$8,$9=$10}'  c.temp > snp_sol
rm *.temp

그러나 이것은 작동하지 않습니다. 이 작업을 수행하는 다른 방법이 있어야 하는데 방법을 모르겠습니다.

이 상황에 대한 가장 좋은 해결책은 쉘 스크립트를 사용하는 것입니다.

도와 주실 수 있으신가요?

미리 감사드립니다.

답변1

GNU datamash, split(GNU coreutils) 및 다음을 사용하십시오 awk.

#!/bin/bash

# remove header line and split `input_file` into n files `split00000`, `split00001`...
# with max. 4 lines each (use `-l50` for your data file)
split -d -a5 -l4 <(tail -n+2 input_file) split

{   head -n1 input_file      # add header
    for fsplit in split*; do
        mean=$(datamash -W mean 7 < "$fsplit") # calculate mean value
        awk -v mean="$mean" '{ print $1,$2,$3,$4,$5,$6,mean,$8,$9 }' "$fsplit"
    done
} | column -t > output_file  # format as table and write result

rm split*                    # cleanup

이 스크립트에서는 데이터(점선 제거)를 입력으로 사용하고 4개의 값만 평균으로 사용합니다. 스크립트의 데이터 파일 로
바꿉니다 . 그것은 당신이 하는 것과 거의 똑같습니다. 나는 모든 일을 그냥 놔두고 수행합니다 .-l4-l50splitdatamash

입력 파일:

$ cat input_file
trait     effect     snp       chr      pos   snp_effect      weight          variance_explained        var_a_hat
  1         2         1         1        54  0.2030156E-02   1.251482                  0                    0
  1         2         2         1       689 -0.3726744E-03  0.9660012                  0                    0
  1         2         3         1      1234  0.4801369E-03  0.9823542                  0                    0
  1         2         4         1      1280 -0.1104844E-03  0.9272357                  0                    0
  1         2         5         1      2610 -0.1296295E-02   1.115933                  0                    0
  1         2    481971        26   4897157 -0.7846317E-04  0.9226092                  0                    0
  1         2    481972        26   4898314 -0.3934468E-03  0.9691408                  0                    0
  1         2    481973        26   4898376 -0.7204678E-03   1.019935                  0                    0
  1         2    481974        26   4898606 -0.1522481E-03  0.9333048                  0                    0

결과:

$ cat output_file
trait  effect  snp     chr  pos      snp_effect      weight       variance_explained  var_a_hat
1      2       1       1    54       0.2030156E-02   1.031768275  0                   0
1      2       2       1    689      -0.3726744E-03  1.031768275  0                   0
1      2       3       1    1234     0.4801369E-03   1.031768275  0                   0
1      2       4       1    1280     -0.1104844E-03  1.031768275  0                   0
1      2       5       1    2610     -0.1296295E-02  1.0069045    0                   0
1      2       481971  26   4897157  -0.7846317E-04  1.0069045    0                   0
1      2       481972  26   4898314  -0.3934468E-03  1.0069045    0                   0
1      2       481973  26   4898376  -0.7204678E-03  1.0069045    0                   0
1      2       481974  26   4898606  -0.1522481E-03  0.9333048    0                   0

답변2

awk -v mod=50 '
     BEGIN{ if(!mod) {mod=50} };

     NR==1 {print;next};

     (NR+1) % mod == 0 {
       $7=sum/count;
       print;
       sum=count=0;
       next;
     };

     {count++; sum+=$7}

     END {
       if (((NR+1) % mod)) != 0) {
         $7=sum/count;
         print;
       };
     }' snp_sol

이렇게 하면 헤더 행이 수정되지 않은 채 인쇄됩니다. 그런 다음 50개의 입력 행마다 $7의 값을 계산된 평균으로 바꾸고 행을 인쇄합니다. 최종 입력 라인에서도 동일한 작업을 수행합니다.만약에 그리고 만약에이전에 인쇄된 적이 없습니다.

다른 모든 입력 라인의 경우에는 증가하고 count(행 카운터) $7( sum해당 입력 라인을 포함하는 블록의 모든 $7 값의 합계 mod)에 추가됩니다.

임시 파일이 없고, 동일한 데이터가 다시 실행되지 않으며, awk셸 루프가 여러 번 분기되지 않습니다. 매우 간단한 알고리즘을 사용하여 입력 파일을 반복하면 됩니다.

mod참고: 계수로 50을 하드코딩하는 대신 명명된 변수를 사용하십시오 . 명령줄에 지정되지 않은 경우 기본값은 50입니다 -v mod=n.

관련 정보