统计字符出现次数

需求:

我想统计第六列受sv影响的基因位置,第十一列sv的类型,

#!/bin/bash

# 检查命令行参数
if [ $# -ne 1 ]; then
    echo "Usage: $0 filename"
    exit 1
fi

filename=$1

# 使用 awk 处理文件
awk -F'\t' 'BEGIN {
    # 初始化计数器数组
} {
    # 分割第6列和第11列的单词,统计出现次数
    split($6, words6, " ");
    for (word in words6) {
        wordCounts6[words6[word]]++;
    }
    
    split($11, words11, " ");
    for (word in words11) {
        wordCounts11[words11[word]]++;
    }
}
END {
    # 输出第6列单词计数
    for (word in wordCounts6) {
        print "Column 6: Word \"" word "\" appears " wordCounts6[word] " times";
    }
    
    # 输出第11列单词计数
    for (word in wordCounts11) {
        print "Column 11: Word \"" word "\" appears " wordCounts11[word] " times";
    }
}' "$filename"
结果
meged

流程

1.通过grep提取sv

cat sort|while read id; do
  # Loop through each text file (replace 'file1.txt' with your actual filenames)
  cat txt|while read txt; do
    # Use grep to find lines containing the ID in the current text file
    grep "$id" "$txt" >> "res/${txt%.txt}.tsv"
  done
done 

2.标准化输出

#!/bin/bash
###wo1.sh

# 检查命令行参数
if [ $# -ne 1 ]; then
    echo "Usage: $0 filename"
    exit 1
fi

filename=$1

# 使用 awk 处理文件
awk -F'\t' 'BEGIN {
    # 初始化计数器数组
    OFS = "\t"; # 设置输出字段分隔符为制表符
    print "Column\tWord\tCount";
} {
    # 分割第6列和第11列的单词,统计出现次数
    split($6, words6, " ");
    for (word in words6) {
        wordCounts6[words6[word]]++;
    }
    
    split($11, words11, " ");
    for (word in words11) {
        wordCounts11[words11[word]]++;
    }
}
END {
    # 输出第6列单词计数
    for (word in wordCounts6) {
        print "6", word, wordCounts6[word];
    }
    
    # 输出第11列单词计数
    for (word in wordCounts11) {
        print "11", word, wordCounts11[word];
    }
}' "$filename"
cat ../txt|while read txt
do
sh wo1.sh ${txt%.txt}.tsv >res/${txt%.txt}.tsv
done

3.合并结果

#!/bin/bash

# 创建或清空最终的合并文件
output_file="merged_files"
> "$output_file"

# 假设第一个文件有表头
header_file=$(ls *.tsv | head -n 1)
header=$(awk -v file="$header_file" 'BEGIN{OFS="\t"} NR==1 {print file,$0}' "$header_file")

# 将第一个文件的表头写入合并文件
echo "$header" > "$output_file"

# 遍历当前目录下的所有TSV文件
for file in *.tsv; do
    # 检查文件是否存在
    if [ -f "$file" ]; then
        # 跳过第一个文件的表头
        if [ "$file" != "$header_file" ]; then
            awk -v file="$file" 'BEGIN{OFS="\t"} NR>1 {print file,$0}' "$file" >> "$output_file"
        else
            # 从第一个文件中跳过表头
            awk -v file="$file" 'BEGIN{OFS="\t"} NR>1 {print file,$0}' "$file" >> "$output_file"
        fi
    fi
done

echo "Files have been merged into $output_file"

R统计绘图

setwd("D:\\科研助理工作\\data\\7-24")

sv_type <- read.table("sv_type.tsv", header = TRUE, sep = "\t", stringsAsFactors = FALSE)

head(sv_type)


group <- read.table("grou.tsv", header = TRUE, sep = "\t", stringsAsFactors = FALSE)
# 查看前几行数据
head(group)


# 两个数据框都有一个名为"sample"的共同列
merged_data <- merge(sv_type, group, by = "sample")

# 显示合并后的数据框的前几行
head(merged_data)

write.table(merged_data, file = "merged_data.tsv", sep = "\t", quote = FALSE, row.names = FALSE)



if (!require(dplyr)) {
  install.packages("dplyr")
}
library(dplyr)


result <- merged_data %>%
  group_by(k5, Word) %>%
  summarize(
    avg_count = round(mean(Count), 0),  # 保留整数
    sd_count = round(sd(Count), 0)      # 保留整数
  )

print(result)
write.csv(result, file = "results.csv", row.names = FALSE)


library(ggplot2)

p=ggplot(merged_data, aes(x = k5, y = Count, fill = Word)) +  # 使用group来填充颜色
  geom_boxplot() +
  scale_fill_manual(values = c("#E69F00", "#56B4E9","#009E73", "#F0E442", "#0072B2","#D55E00", "#CC79A7", "#000000","#999999", "#DDCC77",
                               "#FF6666", "#993333", "#6699CC", "#999933", "#336699")) +  # 自定义颜色
  labs(title = "Boxplot of Count by K5 and Group",
       x = "K5",
       y = "Count",
       fill = "Group") +
  theme_minimal()+geom_boxplot()
p

##添加显著性
library(ggsignif)
compaired <- list(c("Xian", "Geng"))


p1=p+theme_bw() +
  theme(panel.grid=element_blank())+
  geom_signif(comparisons = compaired,
              step_increase = 0.3,
              map_signif_level = T, #修改参数map_signif_level=TRUE
              test = wilcox.test)
p1
ggsave(filename = "xi_geng_xianz.png", plot = p1, width = 12,height = 6, dpi = 400)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,230评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,261评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,089评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,542评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,542评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,544评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,922评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,578评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,816评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,576评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,658评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,359评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,937评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,920评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,859评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,381评论 2 342

推荐阅读更多精彩内容