如何用AWK预处理多列能量分解数据以适配柱状图绘制

问题背景 #

处理多列能量分解分析数据时，需要转换为两列格式用于柱状图绘制，具体需求：

• 将第一列（Residue）的连续空格替换为下划线，如SER 1改为SER_1
• 移除最后一列（TOTAL）的误差信息，如0.000 +/- 0.001改为0.000

原AWK脚本因TOTAL列包含误差信息，导致数值判断条件（$8 > 0.005）无法生效，且未完成格式转换。

原数据示例 #

| Run on Thu Oct 20 14:59:37 2022
|| GB non-polar solvation energies calculated with gbsa=2
idecomp = 1: Per-residue decomp adding 1-4 interactions to Internal.
Energy Decomposition Analysis (All units kcal/mol): Generalized Born solvent

DELTAS:
Total Energy Decomposition:
Residue |  Location |       Internal      |    van der Waals    |    Electrostatic    |   Polar Solvation   |    Non-Polar Solv.  |       TOTAL
-------------------------------------------------------------------------------------------------------------------------------------------------------
SER   1 | R SER   1 |    0.000 +/-  0.000 |   -0.000 +/-  0.000 |   -0.092 +/-  0.012 |    0.092 +/-  0.012 |    0.000 +/-  0.000 |    0.000 +/-  0.001
GLY   2 | R GLY   2 |    0.000 +/-  0.000 |   -0.000 +/-  0.000 |    0.001 +/-  0.001 |   -0.001 +/-  0.001 |    0.000 +/-  0.000 |    0.000 +/-  0.001

原脚本 #

awk -F "|"  '
    BEGIN {
        print "@TYPE bar"
    }
    NR > 9 && $8 > 0.005 { print $1, $8 }
' $file > output_data.dat

原输出问题：保留了误差信息，第一列未替换空格，数值判断逻辑失效。

解决方案 #

修改后的AWK脚本：

awk -F "|"  '
    BEGIN {
        print "@TYPE bar"
    }
    NR > 9 {
        # 处理第一列：替换连续空格为下划线，清理首尾多余下划线
        gsub(/[[:space:]]+/, "_", $1)
        gsub(/^_+|_+$/, "", $1)
        # 处理第八列：拆分出主数值，剔除误差部分
        split($8, total_parts, /[[:space:]]+\+\/-/)
        total_val = total_parts[1]
        # 清理数值前后空白
        gsub(/^[[:space:]]+|[[:space:]]+$/, "", total_val)
        # 筛选绝对值大于0.005的条目（可按需调整）
        if (total_val > 0.005 || total_val < -0.005) {
            printf "%-10s %s\n", $1, total_val
        }
    }
' $file > output_data.dat

脚本说明 #

1. 第一列格式修正：用gsub把连续空格替换为下划线，再去除首尾多余的下划线，得到SER_1的规范格式。
2. 第八列数值提取：通过split按+/-分割字符串，提取第一部分作为纯数值，确保后续判断基于有效数值。
3. 数值判断优化：调整为判断绝对值大于0.005的条目（可根据需求修改阈值），避免因负数值被遗漏。
4. 对齐输出：用printf控制列宽，保证输出格式规整，适配柱状图数据要求。

期望输出示例 #

@TYPE bar
SER_1      0.000
GLY_2      0.000
PHE_3      0.000
ARG_4      0.003
LYS_5      0.019
...
VAL_18     -0.058

内容的提问来源于stack exchange，提问作者James Starlight