AWK实现按连续坐标合并行并计算列均值的技术求助

我懂你的需求——要按第2列里连续递增1的坐标序列分组，把每组合并成「起始坐标-结束坐标」的格式，同时算出该组第3列的平均值，而不是像之前的脚本那样，把同一标识符（第4列）的所有行都合并成一个大区间。之前的脚本没处理连续序列的判断逻辑，我给你写个能精准实现需求的AWK脚本：

awk -F'\t' -v OFS='\t' '
BEGIN {
    prev_chr = ""
    prev_pos = -1
    prev_id = ""
    sum = 0
    count = 0
    start_pos = 0
}
{
    # 当标识符变化，或当前坐标和前一个不连续时，输出上一组数据
    if ($4 != prev_id || $2 != prev_pos + 1) {
        if (count > 0) {
            print prev_chr, start_pos, prev_pos, sum / count, prev_id
        }
        # 重置当前组的跟踪变量
        prev_chr = $1
        start_pos = $2
        prev_pos = $2
        prev_id = $4
        sum = $3
        count = 1
    } else {
        # 属于同一连续组，累加数据
        prev_pos = $2
        sum += $3
        count++
    }
}
END {
    # 处理最后一组未输出的数据
    if (count > 0) {
        print prev_chr, start_pos, prev_pos, sum / count, prev_id
    }
}' input | sort -V -k1,1 > output

脚本逻辑拆解 #

• 初始化变量：BEGIN块里先把跟踪前一行信息、当前组起始坐标、总和、计数的变量都初始化好
• 分组判断：每一行先检查是否和前一行属于同一标识符，且坐标是连续递增1的；如果不满足，就输出上一组的结果，然后重置当前组的变量
• 累加数据：如果属于同一连续组，就更新当前组的结束坐标、总和和计数
• 收尾处理：END块里输出最后一个还没处理的组

输入输出验证 #

输入（input）：

chr12 9079811 29 A2M
chr12 9079812 29 A2M
chr12 9079813 29 A2M
chr12 9079814 28 A2M
chr12 9091202 5 A2M
chr12 9091203 5 A2M
chr12 9091204 5 A2M
chr12 9091390 15 A2M
chr12 9091391 15 A2M
chr12 9091392 13 A2M

输出（output）：

chr12 9079811 9079814 28.75 A2M
chr12 9091202 9091204 5 A2M
chr12 9091390 9091392 14.3333 A2M

（如果想要和你示例里一致的1位小数，可以把sum/count改成printf("%.1f", sum/count)来调整格式）

内容的提问来源于stack exchange，提问作者Vonton