[問題] 資料的截取與邏輯判斷

[k97231 (AL)]

我現在正在處理一些有關於生物資訊的資料

基本上的資料格式長這樣
ID      A_1     A_2     B_1     B_2     ……
1       0/0     0/0
2       0/0     ./.
3       ./.     ./.
4.      0/0     0/1
5.      1/1     0/1
6.      0/1     0/1
……

接著我想要做幾件事情
依據相同字母的樣本(像是A_1和A_2)
逐列統計四種欄位的數量
1.      A_1和A_2相同
2.      A_1和A_2都一樣是./.
3.      A_1和A_2不一樣
4.      以及任一樣本含有./.的欄位數量
以上表為例
A_1和A_2相同的數量是3 (ID1, 3, 6)
兩行數值都是./.的數量是1
A_1和A_2不同的列有3 (ID2, 4, 5)
有任一行數值為./.的數量為2 (ID2, 3)
然後統計成四個數值這樣並輸出

不過有問題的部分是要如何擷取含有特定字串的兩欄
並逐行進行邏輯判斷?

我知道可以利用awk逐行進行擷取並用grep計算數量並輸出 (不過awk和grep的管線順序還沒參透)
但要如何依據相同字母擷取特定行就不清楚了
想問有甚麼指令可以針對首列帶有特定字串的行進行擷取?

--
Sent from my Windows

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.230.107.147
※ 文章網址: https://www.ptt.cc/bbs/Linux/M.1530019613.A.AE6.html
→ Kouni: 看需求好像是針對行去做判斷, awk 應該可以做到. 類似這樣:
→ Kouni: awk '{if ($2 == $3){print $0}}'
→ Kouni: 可以判斷兩值關係, 但如果要弄成較友善的資料格式還是建議
→ Kouni: 使用其他程式語言會比較快XD
→ kenduest: 這個用 python 搭配 pandas 處理會很快，學點其他語言
→ k97231: 不過現在我還只是linux新手 其他的程式語言只有R
推 a1u1usul3: linux的幾個程式只是堪用，不是很好用。字串處理還是用
→ a1u1usul3: 別的語言做會方便、好做很多，也比較查得到資料
→ k97231: 剛剛試用了一下pandas 可以依據欄位名擷取資料
→ k97231: 但要如何邏輯判斷並令存檔案就是另一個問題
→ kenduest: 請看官方的文件，data frame 是很單純事情