根据列值将文件拆分为行

Question

输入文件如下所示：

chr1    1    G    300
chr1    2    A    500
chr1    3    C    200
chr4    1    T    35
chr4    2    G    400
chr4    3    C    435
chr4    4    A    223
chr4    5    T    400
chr4    6    G    300
chr4    7    G    340
chr4    8    C    400

实际文件太大无法处理，所以我想输出一个较小的文件，按特定范围内的染色体（第1列）和位置（第2列）过滤。

例如，我正在寻找一个 Linux 命令（sed、awk、grep 等），它将chr4从位置 3 到 7 进行过滤。所需的最终输出是：

chr4    3    C    435
chr4    4    A    223
chr4    5    T    400
chr4    6    G    300
chr4    7    G    340

我不想修改原始文件。

Answer 1

可能未排序的输入文件的解决方案：

sort -k1,1 -k2,2n file | awk '$1=="chr4" && $2>2 && $2<8'

输出：

chr4    3    C    435
chr4    4    A    223
chr4    5    T    400
chr4    6    G    300
chr4    7    G    340

如果输入文件已排序，则足以使用：

awk '$1=="chr4" && $2>2 && $2<8' file

Answer 2

awk可能是这项工作的最佳工具。一个简单的解决方案，类似于已经给出的解决方案，但实际上使用了您指定的参数，是：

awk '$1=="chr4" && $2>=3 && $2<=7'

您可能更喜欢将awk命令放入 shell 脚本的更通用的解决方案是：

#!/bin/sh
if [ "$#" -lt 3 ]
then
        echo "Usage:    $0 chromosome low_position high_position"
        exit 1
fi
chr="$1"
lo="$2"
hi="$3"
shift 3
awk -vchromo="$chr" -vpos1="$lo" -v pos2="$hi" '$1==chromo && $2>=pos1 && $2<=pos2' "$@"

如果运行时参数少于三个，这会提醒您参数应该是什么，然后退出。否则，它将前三个参数保存到 shell 变量中，然后将它们移出参数列表。然后它调用awk，将 shell 变量值作为awk变量传入。

您可以通过以下方式调用它：

./myscript chr4 3 7   data

或者

./myscript chr4 3 7 < data

或者

(some_other_process) | ./myscript chr4 3 7

并且，无论如何，将输出重定向到带有>.