我正在尝试使用 awk 来解析一个制表符分隔的表——第一列中有几个重复的条目，我需要删除表中其他 4 列的总和较小的重复行。我可以轻松删除第一行或第二行，并对列求和，但我无法将两者结合起来。出于我的目的，重复项永远不会超过 2 个。

示例文件:http://pastebin.com/u2GBnm2D

在这种情况下，期望的输出是删除行:

lmo0330 1       1       0       1
lmo0506 7       21      2       10

并在列中保留其他两行具有相同基因 ID 的内容。最终解析的文件如下所示:http://pastebin.com/WgDkm5ui

这是我尝试过的方法(这没有做任何事情。但是第一部分删除了第二个重复项，第二部分对计数求和):

awk 'BEGIN {!a[$1]++} {for(i=1;i<=NF;i++) t+=$i; print t; t=0}'

我尝试在这个问题的最佳答案中修改脚本的第二部分:Removing lines containing a unique first field with awk?

awk 'FNR==NR{a[$1]++;next}(a[$1] > 1)' ./infile ./infile

但不幸的是，我并不真正了解发生了什么足以使其正常工作。谁能帮我吗？我想我需要将 a[$1] > 1 部分替换为 [remove (first duplicate count or 2nd duplicate count depending on which is larger].

编辑:如果重要的话，我也在使用 GNU Awk 3.1.7。

最佳答案

您可以使用此 awk 命令:

awk 'NR == 1 {
   print;
   next
} {
   s = $2+$3+$4+$5
} s >= sum[$1] {
   sum[$1] = s;
   if (!($1 in rows))
      a[++n] = $1;
   rows[$1] = $0
} END {
   for(i=1; i<=n; i++)
      print rows[a[i]]
}' file | column -t

输出:

gene     SRR034450.out.rpkm_0  SRR034451.out.rpkm_0  SRR034452.out.rpkm_0  SRR034453.out.rpkm_0
lmo0001  160                   323                   533                   293
lmo0002  135                   317                   504                   306
lmo0003  1                     4                     5                     3
lmo0004  35                    59                    58                    48
lmo0005  113                   218                   257                   187
lmo0006  279                   519                   653                   539
lmo0007  563                   1053                  1165                  1069
lmo0008  34                    84                    203                   107
lmo0009  13                    45                    90                    49
lmo0010  57                    210                   237                   169
lmo0011  65                    224                   247                   179
lmo0012  65                    226                   250                   215
lmo0013  342                   500                   738                   682
lmo0014  662                   1032                  1283                  1311
lmo0015  321                   413                   631                   637
lmo0016  175                   253                   273                   325
lmo0017  3                     6                     6                     6
lmo0018  33                    38                    46                    45
lmo0019  13                    1                     39                    1
lmo0020  3                     12                    28                    15
lmo0021  3                     4                     14                    12
lmo0022  2                     3                     5                     1
lmo0023  2                     0                     3                     2
lmo0024  1                     0                     2                     6
lmo0330  1                     1                     1                     3
lmo0506  151                   232                   60                    204

关于linux - 合并 awk 脚本的问题，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31365021/