如何用单条awk命令按%ID规则过滤基因表格指定行

以下是满足需求的单条awk命令，可直接处理你的基因表格：

awk '
BEGIN {OFS="\t"}
NR==1 {header=$0; next}
$1 ~ /^gene[ABC]$/ {
    ids[$1] = $2
    lines[$1] = $0
    next
}
{other_lines[++n] = $0}
END {
    print header
    # 找出geneA/B/C中%ID最高的基因
    max_val = -1
    target = ""
    for (gene in ids) {
        if (ids[gene] + 0 > max_val) {
            max_val = ids[gene] + 0
            target = gene
        }
    }
    # 输出保留的目标基因行
    if (target != "") print lines[target]
    # 输出所有非geneA/B/C的行
    for (i=1; i<=n; i++) {
        print other_lines[i]
    }
}' input.txt

命令逻辑说明 #

1. BEGIN块：设置输出字段分隔符为制表符，确保输出表格格式与输入一致
2. 表头处理：第一行是表头，单独保存后跳过后续处理
3. geneA/B/C收集：匹配到geneA、geneB、geneC的行时，将它们的%ID值和整行内容分别存入数组，跳过非目标处理
4. 其他基因保存：非geneA/B/C的行全部存入另一个数组保留
5. END块过滤输出：
   • 遍历geneA/B/C的%ID值，找出数值最大的那个基因
   • 先输出表头，再输出保留的目标基因行
   • 最后输出所有非geneA/B/C的基因行

示例验证 #

针对你提供的输入表格：

执行命令后，会筛选出%ID最高的geneA，过滤掉geneB和geneC，最终输出：

（注：你提供的期望结果中缺失了geneD，推测是笔误，按照规则geneD不属于geneA/B/C范畴，应当保留）

内容的提问来源于stack exchange，提问作者Sche2021