如何解决协助编写awk脚本版python代码生成计数矩阵
我没有发现任何与此类似的问题...
我有这个 python 脚本来从只包含序列的文件中生成一个计数矩阵,但它需要永恒运行,但我知道 awk 会做得更快。我不太擅长 awk,但希望有人能够提供帮助。 python脚本如下:
numFiles = int(sys.argv[1])
allParams = int(numFiles + 4)
key_file = sys.argv[2]
out_file = sys.argv[3]
#open the output file
outHandle = open(out_file,'w')
#Open key file and read one line at a time
with open(key_file) as kf:
for eachline in kf:
temp_list = [0] * numFiles
kSeq = eachline.strip(' \t\n\r')
upRange = int(numFiles + 4)
for i in range(4,upRange):
with open(sys.argv[i]) as f:
for eachline in f:
seq = eachline.strip(' \t\n\r')
if (kSeq == seq):
curr = int(temp_list[i-4])
nw = int(curr + 1)
temp_list[i-4] = nw
else:
continue
outHandle.write(str(kSeq) + "\t")
for ind,item in enumerate(temp_list):
lastItemIndex = numFiles - 1
if(ind == lastItemIndex):
outHandle.write(str(item) + "\n")
else:
outHandle.write(str(item) + "\t")
尝试创建一个示例:
输入:一个keyFile,X个其他文件(所有输入文件基本上只是单列中的单词) 输出:包含X个文件中keyFile中单词出现次数的矩阵。
密钥文件:
词 |
---|
一个 |
两个 |
三个 |
四个 |
五个 |
文件 1:
文件 2:
输出:
词 | file1 | file2 |
---|---|---|
一个 | 2 | 3 |
两个 | 1 | 2 |
三个 | 3 | 3 |
四个 | 2 | 1 |
五个 | 1 | 0 |
我希望这个插图更清晰。
谢谢
解决方法
所以,经过广泛的阅读和尝试,我得到了我想要使用代码实现的目标
awk 'fname != FILENAME { fname = FILENAME; idx++ } idx == 1 {key[$0] = $0 } idx == 2 {if($1 == key[$1]){ f1[$1] += 1 }} idx == 3 {if($1 == key[$1]){ f2[$1] += 1 }} END {for(seq in key) print seq "\t" f1[seq] "\t" f2[seq] }' keyFile file1 file2
感谢大家的投入。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。