bash - ejemplos - django

BASH: Resumiendo información de varios campos en un campo único usando instrucciones Loop y If

Question

Tengo el siguiente archivo separado por tabuladores:

A1      A1      0       0       2       1       1 1     1 1     1 1     2 1     1 1
A2      A2      0       0       2       1       1 1     1 1     1 1     1 1     1 1
A3      A3      0       0       2       2       1 1     2 2     1 1     1 1     1 1
A5      A5      0       0       2       2       1 1     1 1     1 1     1 2     1 1

La idea es resumir la información entre la columna 7 (incluida) y el final en una nueva columna que se agrega al final del archivo.

Para hacerlo, estas son las reglas:

• Si el número total de "2" s en la fila (entre la columna 7 y el final) es 0 : agregue "1 1" a la última columna nueva

• Si el número total de "2" s en la fila (entre la columna 7 y el final) es 1 : agregue "1 2" a la última columna nueva

• Si el número total de "2" s en la fila (entre la columna 7 y el final) es 2 o más : agregue "2 2" a la última columna nueva

Empecé a extraer las columnas en las que quiero trabajar usando el comando:

awk ''{for (i = 7; i <= NF; i ++) printf $ i ""; print ""} ''myfile.ped> tmp_myfile.txt

Luego cuento el número de ocurrencias en cada fila usando:

sed ''s / [^ 2] // g'' tmp_myfile.txtt | awk ''{print NR, length}''> tmp_occurences.txt

Qué salidas:

1 1
2 0
3 2
4 1

Entonces, mi idea era escribir un bucle for que recorriera las líneas para agregar la nueva columna de resumen. Estaba pensando en este tipo de estructura , en base a lo que encontré aquí: http://www.thegeekstuff.com/2010/06/bash-if-statement-examples :

while read line ;
do
    set $line

    If ["$2"==0]
    then
        $3=="1 1"

    elif ["$2"==1 ]
    then
        $3=="1 2”

    elif ["$2">=2 ]
    then 
        $3==“2 2”

    else
        print ["error"]

    fi
done < tmp_occurences.txt

Pero estoy atrapado aquí. ¿Tengo que crear la nueva columna antes de comenzar el ciclo? ¿Voy en la dirección correcta?

Idealmente, el resultado final (después de fusionar las primeras 6 columnas del archivo inicial y la columna de resumen) sería:

A1      A1      0       0       2       1       1 2
A2      A2      0       0       2       1       1 1
A3      A3      0       0       2       2       2 2
A5      A5      0       0       2       2       1 2 

¡Gracias por tu ayuda!

Answer 1

Con GNU awk para que el 3er arg coincida ():

$ awk ''{match($0,/((/S+/s+){6})(.*)/,a); c=gsub(2,2,a[3]); print a[1] (c>1?2:1), (c>0?2:1)}'' file
A1      A1      0       0       2       1       1 2
A2      A2      0       0       2       1       1 1
A3      A3      0       0       2       2       2 2
A5      A5      0       0       2       2       1 2

Con otras awks reemplazarías /S//s con [^[:space:]]/[[:space:]] y substr() lugar de a[] .

Answer 2

Podemos mantener el formato usando gensub() y capturando grupos: gensub() los 6 primeros campos y reemplazamos con ellos + los valores calculados:

awk ''{for (i=7; i<=NF; i++) {
        if ($i==2)
            twos+=1       # count number of 2''s from 7th to last field
        }
      f7=1; f8=0          # set 7th and 8th fields''s default value
      if (twos)
          f8=2            # set 8th = 2 if sum is > 0
      if (twos>1)
          f7=2            # set 7th = 2 if sum is > 1
      $0=gensub(/^((/S+/s*){6}).*/,"//1 " f7 FS f8, 1) # perform the replacement
      twos=0              # reset counter
  }1'' file

Como un trazador de líneas:

$ awk ''{for (i=7; i<=NF; i++) {if ($i==2) twos+=1} f7=1; f8=0; if (twos) f8=2; if (twos>1) f7=2; $0=gensub(/^((/S+/s*){6}).*/,"//1 " f7 FS f8,1); twos=0}1'' a
A1      A1      0       0       2       1        1 2
A2      A2      0       0       2       1        1 0
A3      A3      0       0       2       2        2 2
A5      A5      0       0       2       2        1 2

Answer 3

Usando gnu-awk puedes hacer:

awk -v OFS=''/t'' ''{
   c=0;
   for (i=7; i<=NF; i++)
      if ($i==2)
         c++
   if (c==0)
      s="1 1"
   else if (c==1)
      s="1 2"
   else
      s="2 2"
   NF=6
   print $0, s
}'' file

A1  A1  0   0   2   1   1 2
A2  A2  0   0   2   1   1 1
A3  A3  0   0   2   2   2 2
A5  A5  0   0   2   2   1 2

PD: si no usas gnu-awk puedes usar:

awk -v OFS=''/t'' ''{c=0; for (i=7; i<=NF; i++) {if ($i==2) c++; $i=""} if (c==0) s="1 1"; else if (c==1) s="1 2"; else s="2 2"; NF=6; print $0, s}'' file

Answer 4

$ cat > test.awk
{
    for(i=1;i<=NF;i++) {                       # for every field
        if(i<7)                                  
            printf "%s%s", $i,OFS              # only output the first 6 
        else a[$i]++                           # count the values of the of the fields
    }
    print (a[2]>1?"2 2":(a[2]==1?"1 2":"1 1")) # output logic
    delete a                                   # reset a for next record
}
$ awk -f test.awk test
A1 A1 0 0 2 1 1 2
A2 A2 0 0 2 1 1 1
A3 A3 0 0 2 2 2 2
A5 A5 0 0 2 2 1 2

Tomando algunas ideas de la solución de @ anubhava arriba:

$ cat > another.awk
{
    for(i=7;i<=NF;i++)                             
        a[$i]++                                    # count 2s
    NF=6                                           # truncate $0
    print $0 OFS (a[2]<2?"1 "(a[2]?"2":"1"):"2 2") # print $0 AND 1 AND 1 OR 2 OR 2 AND 2
    delete a                                       # reset a for next record
}