使用 bash 根据特定列选择行，然后计算唯一变体并根据另一列排序

Question

我有一个包含基因突变的 tsv 文件

基因	突变
A	错觉
乙	错觉
乙	删除
C	删除
D	删除
乙	沉默
乙	删除

我想：（1）选择具有基因B突变的行（2）计算突变的独特类型（3）计算每种类型的出现并排序。

输出应该是

删除2
错义 1
静音 1

我尝试了以下 bash 命令，但它不起作用：

awk '$1 == B' filename | cut -f2 | sort | uniq | wc -l

Answer 1

你可以这样做（假设输入在 /var/tmp/IP.tsv 中）

grep '^B\t' /var/tmp/IP.tsv | cut -f2 | sort -u | while read mutation; do \
 echo $mutation $( grep -c "^B\t$mutation\$" /var/tmp/IP.tsv ); \
done

它不是超级优雅-但是....

Answer 2

您可以使用

grep -o

来过滤所需的输出，并使用

grep -c

来计算出现次数。

这远不是一个可靠的解决方案，但与您的起点并没有太大不同，应该可以完成工作：

#!/bin/bash
    
for mut in $(grep -o "^B.*" input.tsv | cut -f2 | sort | uniq)
do  
    printf "%s %s\n" $mut $(grep -c "^B.*$mut" input.tsv)
done

输出：

$ ./script.sh 
Deletion 2
Missense 1
Silent 1