如何根据文件中的行号提取特定行

Question

我正在研究一个由大约 24000 行（基因）和 1100 列（样本）组成的 RNA-Seq 数据集，该数据集以制表符分隔。为了进行分析，我需要选择一个特定的基因集。如果有一种根据行号提取行的方法会非常有帮助吗？对我来说，这样比用基因名称更容易。

以下是数据示例 (4X4) -

gene    Sample1    Sample2    Sample3
A1BG     5658    5897      6064
AURKA    3656    3484      3415
AURKB    9479    10542    9895

例如，我想要第 1、3 和 4 行，没有特定的模式。正如下面评论中所解释的，我还想提取一个范围内的行。

我也在 biostars.org 上询问过。

Answer 1

您可以使用 for 循环来构建

sed

选项，如下所示

var=-n
for i in 1 3,4 # Put your space separated ranges here
do
 var="${var} -e ${i}p"
done
sed $var filename

^{注意：在任何情况下，这里提到的要求仍然会很痛苦，因为它涉及太多的打字。}

Answer 2

假设您有一个文件或一个生成所需行号列表的程序，您可以使用

sed

对其进行编辑，使其成为打印这些行并将其传递给

sed

的第二次调用的脚本.

具体而言，假设您有一个名为

lines

的文件，其中说明了您想要的行（或者它同样可以是在其

stdout

上生成行的程序）：

1
3
4

您可以将其制作成

sed

脚本，如下所示：

sed 's/$/p/' lines
1p
3p
4p

现在您可以将其传递给另一个

sed

作为要执行的命令：

sed -n -f <(sed 's/$/p/' lines) FileYouWantLinesFrom

这样做的优点是独立于可以传递给脚本的参数的最大长度，因为

sed

命令位于伪文件中，即不作为参数传递。

---

如果您不喜欢/使用

bash

和过程替换，您可以这样做：

sed 's/$/p/' lines | sed -n -f /dev/stdin FileYouWantLinesFrom