我有以下类型的基因组学文件:
- $cat test-file_long.txt
- 2 41647 A G
- 2 45895 A G
- 2 45953 T C
- 2 224919 A G
- 2 230055 C G
- 2 233239 A G
- 2 234130 T G
- 2 23454 T C
当我使用以下简短的AWK脚本时,它不会返回所有大于if语句中使用的元素的元素:
- {
- a[$2]
- }
- END{
- for (i in a){
- if(i > 45895)
- print i
- }
- }
该脚本返回:
- $awk -f practice.awk test-file_long.txt
- 45953
但是,当我使用int()更改if语句时,它返回实际上大于的行,如我所愿:
- {
- a[$2]
- }
- END{
- for (i in a){
- if(int(i) > 45895)
- print i
- }
- }
结果:
- $awk -f practice.awk test-file_long.txt
- 233239
- 230055
- 234130
- 224919
- 45953
它似乎只是与第一个数字进行比较,如果它们是相同的,它会查看下一个数字,但它不会处理整个数字.有人可以向我解释关联数组的内部机制是什么,它不会使数字> /<比较,除非我指定我想要数组元素的int()?如果我的数组元素是浮点数并且int()不是一个选项怎么办?
解决方法
awk中的数组键是字符串,因此在这里进行字母比较.在您的第一个示例中,459按字母顺序大于458,因此它通过了测试.
如果您的唯一目标是打印第二列为>的行. 45895在数字上,这将做:
- awk '$2 > 45895' test-file_long.txt
变量根据评估它们的上下文更改类型.因此,通过将变量放在显式数字上下文中,它将被视为这样. @glenn对i 0的建议很好地证明了这一点.
或者,unary plus operator i可用于将表达式转换为数字.所以你的更长的例子可以改为:
- awk '{a[$2]} END { for (i in a) { if (+i > 45895) print i } }' test-file_long.txt