提取数字超过 N 的特定行答案

【问题标题】：extract specific row with numbers over N提取数字超过 N 的特定行
【发布时间】：2021-12-22 18:42:28
【问题描述】：

我有一个这样的数据框

1  3  MAPQ=0;CT=3to5;SRMAPQ=60
2  34  MAPQ=60;CT=3to5;SRMAPQ=67
4  56  MAPQ=67;CT=3to5;SRMAPQ=50
5  7  MAPQ=44;CT=3to5;SRMAPQ=61

使用 awk（或其他）

我想提取只有 SRMAPQ 超过 60 的行。

这意味着输出是

2  34  MAPQ=60;CT=3to5;SRMAPQ=67
5  7  MAPQ=44;CT=3to5;SRMAPQ=61

更新：“SRMAPQ=60”可以在行中的任何位置， MAPQ=44;CT=3to5;SRMAPQ=61;DT=3to5

【问题讨论】：

你用 awk 做了什么尝试，它是如何失败的？
@Inian 我不知道在 awk 中使用 > 或
不知道你有没有SRMAPQ=6，这会导致你的方法失败。尝试使用method described here 提取值。然后将该值与您设置的最小值进行比较并打印。

标签： dataframe awk

【解决方案1】：

您不必单独从SRMAPQ 中提取值并进行比较。如果格式固定如上，只需使用=作为字段分隔符并使用$NF访问最后一个字段

awk -F= '$NF > 60' file

或者如果SRMAPQ 可以出现在行中的任何位置（如在 cmets 中更新），请使用通用方法

awk 'match($0, /SRMAPQ=([0-9]+)/){ l = length("SRMAPQ="); v = substr($0, RSTART+l, RLENGTH-l) } v > 60' file

【讨论】：

谢谢，其实我还有一个问题。如果 SRMAP=60 不在末尾怎么办？我要求的数据框是一个简单的表格。 “1 3 MAPQ=0;CT=3to5;SRMAPQ=60;GT=100;DT=40”怎么样
awk 'match($0, /SRMAPQ=([0-9]+)/){ l = length("SRMAPQ="); v = substr($0, RSTART+l, RLENGTH-l) } int(v) > 60' 会更好。我尝试使用自己的数据，但没有 int()，也提取了 MAPQ=7 或 MAPQ=8。
@SGKwon 我在测试期间没有遇到此类问题。如果您在不同的输入上对此进行测试，请将其更新为问题

【解决方案2】：

我会按照下面的方式使用 GNU AWK 让 file.txt 内容成为

1  3  MAPQ=0;CT=3to5;SRMAPQ=60
2  34  MAPQ=60;CT=3to5;SRMAPQ=67;SOMETHING=2
4  56  MAPQ=67;CT=3to5;SRMAPQ=50
5  7  MAPQ=44;CT=3to5;SRMAPQ=61

然后

awk 'BEGIN{FS="SRMAPQ="}$2>60' file.txt

输出

2  34  MAPQ=60;CT=3to5;SRMAPQ=67;SOMETHING=2
5  7  MAPQ=44;CT=3to5;SRMAPQ=61

注意：添加了一些东西来测试当 SRMAPQ 不是最后一个时它是否可以工作。解释：我将FS 设置为SRMAPQ=，因此之前的内容成为第一个字段（$1），后面的内容成为第二个字段（$2）。在第二行这是67;SOMETHING=2，GNU AWK 通过转换它的最长前缀来应对，在这种情况下构成数字67，其他行只有数字。免责声明：此解决方案假定除最后一个字段之外的所有字段都有尾随 ;，如果这不成立，请在使用前全面测试我的解决方案。

（在 gawk 4.2.1 中测试）

【讨论】：