☰

名前は「|文字」で区切られたペアで区切られます。

tag-icon • tag-icon sed awk
名前は「|文字」で区切られたペアで区切られます。

同じ行にある名前を別々のペアに分割したいと思います。

TMPRSS2|pp9284 AADAT Sample1
ERG    TMPRSS2|pp9284 Sample2
TMPRSS2|pp9284 ETV1 Sample3
PDE4A   MIA|MIA-RAB4B|RAB4B|RAB4B-EGLN2|EGLN2 Sample4

これはおそらく

TMPRSS2 AADAT Sample1
pp9284 AADAT Sample1
ERG    TMPRSS2 Sample2
ERG  pp9284 Sample2
TMPRSS2 ETV1 Sample3
pp9284 ETV1 Sample3
PDE4A MIA Sample4
PDE4A MIA-RAB4B Sample4
PDE4A RAB4B Sample4
PDE4A RAB4B-EGLN2 Sample4
PDE4A EGLN2 Sample4

両方の列に複数の名前があるため、別々のペアが必要です。別のペアがある後に他のテーブルと比較したいので、このためにmysqlを使ってみました。 Rのstrsplitは、複数の名前の数が固定されている場合にのみ機能します。しかし、行ごとに異なります。 sed、awkを使用してこれを実行できますか？

値が同じままである特定の列もあり、デフォルトでは同じ行内の値は同じままです。この列をどのように印刷する必要がありますか？ 3番目の列を追加しましたが、その値が新しい行にコピーされました。これを行うには、forループでprint $ 3を使用して印刷しましたが、うまくいきません。

答え1

$ awk '{split($1,a,"|"); split($2,b,"|"); for (i in a) {for (j in b) print a[i],b[j];}}' file
TMPRSS2 AADAT
pp9284 AADAT
ERG TMPRSS2
ERG pp9284
TMPRSS2 ETV1
pp9284 ETV1
PDE4A RAB4B-EGLN2
PDE4A EGLN2
PDE4A MIA
PDE4A MIA-RAB4B
PDE4A RAB4B

3番目の（SampleN）フィールドを同時に印刷するには、$3ループ内に印刷ステートメントを追加するだけです。

$ awk '{split($1,a,"|"); split($2,b,"|"); for (i in a) {for (j in b) print a[i],b[j],$3;}}' file
TMPRSS2 AADAT Sample1
pp9284 AADAT Sample1
ERG TMPRSS2 Sample2
ERG pp9284 Sample2
TMPRSS2 ETV1 Sample3
pp9284 ETV1 Sample3
PDE4A RAB4B-EGLN2 Sample4
PDE4A EGLN2 Sample4
PDE4A MIA Sample4
PDE4A MIA-RAB4B Sample4
PDE4A RAB4B Sample4

答え2

バッシュ使用：

# important to use parentheses, not braces, to localize changes to IFS
# the variable is purposefully unquoted
split_pipe() ( IFS='|'; echo $1 )

while read -r first second third; do
  for word1 in $(split_pipe "$first"); do
    for word2 in $(split_pipe "$second"); do
      echo $word1 $word2 $third
    done
  done
done < file

答え3

GNUを使用すると、sed次のことができます。

sed -E 's/(\|[^ |]+) /\1| /
        s/(([^|]* )?([^|]*))\|(([^ ]*)(.*))/\1\6\n\2\4/
        /\n/P;D' <infile

...印刷...

TMPRSS2 AADAT Sample1
pp9284 AADAT Sample1
ERG    TMPRSS2 Sample2
ERG    pp9284 Sample2
TMPRSS2 ETV1 Sample3
pp9284 ETV1 Sample3
PDE4A   MIA Sample4
PDE4A   MIA-RAB4B Sample4
PDE4A   RAB4B Sample4
PDE4A   RAB4B-EGLN2 Sample4
PDE4A   EGLN2 Sample4

\n1行の内容を分割して印刷し、追加の行文字を1つずつ削除するように機能します。このPコマンドはパターンスペースに最初に表示されるewlinePのみを印刷するため、\n必要に応じて編集バッファの一部のみを簡単に印刷できます。

この場合、sedすべてのビットは、空白を含まないパイプの分割された各部分に対して、編集バッファの両端に2回配置されます。sed一番左のパイプ分割の左右に一番左と右端を挿入し、順にewlineを使用してから、右に残っている\nすべてのパイプ分割の両端に同じ選択を挿入します。ラインの手側を挿入します\n。したがって、パターンスペースにewlineが存在する場合は、左側のビットのみを印刷してから、パターンスペースに最初に表示されるewlineのみを削除してやり直してくださいsed。P\nD\n

最初の交換は一度だけ発生します。パイプで区切られたセクションの末尾にパイプを追加するため、最後の発生の場合でも常に区別するパイプがあります。残りの時間にはsed置き換えが行われ、s///パターンP空間の最初の行が印刷され、D同じ削除が続きます。これ以上できない場合はD削除されます。みんなパターンスペースを解放し、自動的に次の入力ラインを取得します。

同じ操作を実行するようにPOSIX BREを作成できます。

sed '   s/\(|[^ |]\{1,\}\) /\1| /
        s/^\(\( *[^ |]*  *\)*\([^ |]*\)\)|\(\([^ ]*\)\(.*\)\)/\1\6\
\2\4/;   /\n/P;D' <infile

関連情報