Sélection de lignes spécifiques d'un fichier délimité par des tabulations à l'aide de bash (Linux)

Je suppose qu'il existe une solution python ou bash plus concise, mais voici une solution R relativement simple qui utilise des fonctions tidyverse (bien que vous puissiez la répliquer dans data.table ou base R si tu voulais). Pour l'exemple, j'ai téléchargé vos données dans mon répertoire de travail mais je vous déconseille de vous fier à votre répertoire de travail en R (ici, il est cependant reproductible :)). Comme le note Gregor, vous pouvez consulter le package ici ou utiliser projects , ou vous pouvez utiliser des chemins absolus si vous ne vous inquiétez pas de la portabilité à des collègues en dehors de votre système.

Bien sûr, à partir de là, vous pouvez nettoyer la sortie pour qu'elle ressemble exactement à ce que vous voulez. J'ai également utilisé readr :: read_csv () pour l'exemple, mais vous voudrez probablement utiliser readr :: read_delim () avec delim = "\ t " ou utilisez simplement data.table :: fread () .

Solution

library(readr)

File1 <- read.table(header = T, text = "Id    Sample   Time Variant[Colummn16]
1     s1       t0        c.B481A:p.G861S
2     s2       t2        c.C221C:p.D461W
3     s5       t1        c.G31T:p.G61R")


File2 <- read.table(header = T, text = "Id    Sample   Time  Variant[Colummn16]
1     s1       t0        c.B481A:p.G861S
2     s2       t2        c.C21C:p.D61W
3     s5       t1        c.G1T:p.G1R")

write_csv(File1, "File1.csv")
write_csv(File2, "File2.csv")

Données (et enregistrement dans wd):

library(dplyr)

# Get the file paths
file_paths <- list.files(pattern = "File\\d", full.names = T)

# Use the paths to read the data into a list (sapply retains the names)
list_of_files <- sapply(file_paths, read_csv, simplify = F)

# Create a data.frame from your list
df <- bind_rows(list_of_files, .id = "Location")

# Summarising the variables by grouping by the variant and counting & concatenating
df %>%
  mutate(Location = gsub(".*?/([[:alnum:]]+).*", "\\1", Location)) %>% #using regex to simplify file name
  group_by(Variant.Colummn16.) %>%
  summarise(n = n(), 
            Location = paste0(Location, collapse = ", "))

# A tibble: 5 x 3
  Variant.Colummn16.     n Location    
  <chr>              <int> <chr>       
1 c.B481A:p.G861S        2 File1, File2
2 c.C21C:p.D61W          1 File2       
3 c.C221C:p.D461W        1 File1       
4 c.G1T:p.G1R            1 File2       
5 c.G31T:p.G61R          1 File1   

Une simple bash serait difficile, je pense, mais tout le monde a du mal à traîner: D

awk 'FNR==1{next}
{
  ++n[$16];
  if ($16 in a) {
    a[$16]=a[$16]","ARGV[ARGIND]
  }else{
    a[$16]=ARGV[ARGIND]
  }
}
END{
printf("%-24s %6s    %s\n","Variant","Nº","Location");
for (v in n) printf("%-24s %6d    %s\n",v,n[v],a[v])}' *