我剛開始一直不理解
awk的語法元潘，后來看師兄的代碼，加上天天敲君仆，有了點提高翩概。
師兄在 2020-07-03 常用有趣命令之?dāng)?shù)據(jù)處理 中總結(jié)了很多代碼，非常有用返咱！
我經(jīng)常記不住钥庇，用到時就會進(jìn)去復(fù)制下來。下面是一些簡單基礎(chǔ)的用法洛姑。
1. 內(nèi)置變量
$0: 記錄變量上沐，表示當(dāng)前正在處理的記錄，理解為整行楞艾；
$n: 字段變量参咙，其中n為整數(shù)，且 n 大于1硫眯，表示第 n 個字段的值蕴侧，理解為第 n 列；
NF: 當(dāng)前記錄的字段數(shù)（number of field）两入，理解為列數(shù)净宵；
NR: 已經(jīng)讀入的記錄數(shù)（number of record），理解為行數(shù)裹纳；
FS: 字段分隔符（field seperator）择葡，默認(rèn)列分隔符為空白，awk -F "," 即可設(shè)置為 ,剃氧；
RS: 記錄分隔符（record seperator）敏储；
OFS: 輸出字段分隔符；
ORS: 輸出記錄分隔符朋鞍；
FILENAM: 正在處理的數(shù)據(jù)文件的名稱已添；
ARGIND: 實現(xiàn)多個文件的操作，可以參考：AWK實現(xiàn)多文件讀取和處理滥酥、awk打開多個文件的方法更舞；
FNR: 當(dāng)前文檔的記錄數(shù)，多文件操作時使用坎吻。
- 去除最后一列
awk '{$NF="";print}' a.txt
尤其是每行列數(shù)不一樣時缆蝉，尤為實用，但每行最后會多出一個分隔符，可以用函數(shù)
gsub(/.$/,"")進(jìn)行刪除返奉，也可以用管道| sed 's/.$//'
- 多文件操作
如：合并多個文件贝搁，并把每個文件的第一樣去除
awk '{if(FNR>1)print}' a.txt b.txt c.txt
2. 運算符
算術(shù)運算符
+: 加；-: 減芽偏；*: 乘；/: 除賦值運算符
+=: 將前后兩個數(shù)值相加后的和賦給前面的變量
-=: 將前后兩個數(shù)值相減后的差賦給前面的變量
*/: 將前后兩個數(shù)值的乘積賦給前面的變量
/=: 將前后兩個數(shù)值的商賦給前面的變量
關(guān)系運算符
>弦讽、<污尉、>=、<=往产、==被碗、!=這些都不用說了邏輯運算符
&&: 邏輯與，前后兩個表達(dá)式的值全部為真時仿村，其運算結(jié)果為真
||: 邏輯或锐朴，前后兩個表達(dá)式只要有一個為真，其運算結(jié)果為真
!: 邏輯非蔼囊，表達(dá)式的值為假時焚志，其運算結(jié)果為真三目運算符
下面這個例子也用到了格式化輸出
>g1
AGTCAT
CATACG
GCACTC
AT
>g2
CCATCA
TCAGGC
C
>g3
ACCTTG
GGCC
$ awk '/^>/&&NR>1{print "";}{ printf "%s",/^>/ ? $0" ":$0 }' gene.fa
>g1 AGTCATCATACGGCACTCAT
>g2 CCATCATCAGGCC
>g3 ACCTTGGGCC$
可發(fā)現(xiàn)每個基因變成了一行兩列，第一列為id畏鼓，第二列為序列酱酬。
加上| awk '{print $1"\n"}'即可變成正常的單行 fasta 序列；
若加上| awk '{a+=length($2)}END{print a}'即可得出序列的大小云矫。
3. 函數(shù)
- 字符串函數(shù)
length(): 返回字符串的長度
gsub(): 替換所有出現(xiàn)的子串
substr(): 截取指定長度的子串膳沽。
另外還有，字符串函數(shù)让禀，
index()挑社、match()、split()巡揍、sub()痛阻；算術(shù)函數(shù)，int(x)吼肥、sqrt(x)录平、exp(x)...... 用不到，暫且留個印象缀皱。
$ echo "0.9774563" | awk '{print int($1*10000+0.5)*0.01"%"}'
97.75%
4. 數(shù)組
以下兩行代碼都是利用 數(shù)組 實現(xiàn)【轉(zhuǎn)置】斗这，代碼是師姐網(wǎng)上找的，出處已經(jīng)找不到了啤斗。
awk '{for(i=1;i<=NF;i++){if(NR==1)res[i]=$i;else res[i]=res[i]" "$i}}END{for(j=1;j<=NF;j++){print res[j]}}' a.txt
# 有幾列就定義幾個數(shù)組元素表箭，運行每一行時對數(shù)組進(jìn)行重新定義
awk '{for(i=1;i<=NF;i=i+1){a[NR,i]=$i}}END{for(j=1;j<=NF;j++){str=a[1,j];for(i=2;i<=NR;i++){str=str" "a[i,j]}print str}}' a.txt
# 先是對每一個值按坐標(biāo)進(jìn)行定義數(shù)組，按坐標(biāo)把相同列的排成行钮莲，太慢了
Shell 的
join命令可以聯(lián)接多個文件免钻，但需要進(jìn)行排序彼水，還總是會莫名報錯，結(jié)果不可靠极舔，awk就很好使凤覆。
$ cat a.txt
gene2 noTF others
gene1 TF MYB
gene3 TF HD-ZIP
gene15 noTF others
$ cat b.txt
gene10 23 9
gene12 56 7
gene3 75 8
gene4 84 2
gene1 50 3
gene2 74 6
$ awk 'BEGIN{OFS="\t"}ARGIND==1{a[$1]=$0}ARGIND==2{if($1 in a)print a[$1],$2,$3; else print $1,"NA\tNA",$2,$3}' a.txt b.txt
gene10 NA NA 23 9
gene12 NA NA 56 7
gene3 TF HD-ZIP 75 8
gene4 NA NA 84 2
gene1 TF MYB 50 3
gene2 noTF others 74 6
5. 控制流
日常 | 2021-05-10 | 任意n個樣本表達(dá)量超過0.5視為表達(dá) 的一個例子：
awk '{a=0;for(i=2;i<=NF;i++){if($i>0.5)a++};if(a>=2)print}' a.tsv
