0

我有一个非常具体的数据集，但相当不方便，如下所示：

data <- textConnection("rs1050,15,234323,C,T
1,7329,0.1147,-0.0024,0.0048
1,9810,0.6399,0.001174,0.006095
1,16550,0.648541108,0.0061,0.0070
rs7895,NA,NA,A,C
1,997,NA,NA,0.0732
1,9810,0.0339,-0.016131,0.021611
1,16550,0.32739678,0.0014,0.0053
rs995,18,100336,C,T
1,7385,0.2692,-0.0063,0.0035
1,9810,0.5397,-0.002697,0.006012
1,16550,0.651147483,-0.0045,0.0053")
test_data <- read.csv(data, header = FALSE, sep = ",")

如果包含rs####包含的行NA（在一列或多列中），则需要将其删除。这本身没有问题，但在这种情况下，该行下方的三行也需要删除（无论这些行中是否存在所有数据）。

因此，在上述数据的情况下，将删除第 5-8 行。

任何解决方案都会很棒，但到目前为止我的努力都是基于 sed。像这样的东西？ 

sed -i '/rs*\t*\tNA\tNA\t*/~1-3d' test_data

sed -i '/rs*\t*\tNA\tNA\t*/,+3d' test_data

我觉得我很接近，任何想法将不胜感激！

4

3 回答 3

1

这应该没问题，除非您的实际数据经过培训")......

sed  '/^rs.*NA/,+3d' test_data
于 2013-01-30T20:42:47.297 回答
0 
sed '/^rs[0-9]+\tNA\tNA\t/,+3d' <input_data >output_data
于 2013-01-30T21:04:13.557 回答
0

强制替代使用awk：

awk '/^rs.*NA/ { output = 0; } /^rs/ && !/NA/ { output = 1; } output { print }'

可能会优化得更好一些，但是对于读者来说，这是众所周知的练习......

这包含三个部分 - 如果一行以rs和 contains开头NA，它将关闭output变量。如果一行以 开头rs且不包含NA，它将output重新打开。然后，如果output当前打开，它会打印该行，无论它是否包含rs或NA。

于 2013-01-30T21:12:31.373 回答