使用awk统计文本文件中碱基（A/G/T/C）的频率百分比

没问题，我来帮你搞定这个碱基频率统计的需求。这里有个实用的awk脚本，能自动处理大小写、过滤无效行，最后输出直观的百分比结果：

awk '/^>/ { 
    # 提取第二个字段并转成大写，统一统计标准
    base = toupper($2)
    # 只统计有效的A/G/T/C碱基，忽略空值或无效字符
    if (base ~ /^[AGTC]$/) {
        count[base]++
        total++
    }
}
END {
    # 遍历统计结果，输出百分比（保留两位小数）
    for (b in count) {
        printf "%s: %.2f%%\n", b, (count[b]/total)*100
    }
    # 处理没有有效记录的情况，避免除以0错误
    if (total == 0) {
        print "没有找到有效的碱基记录"
    }
}' your_input_file.txt

脚本细节解释 #

• /^>/：精准匹配所有以>开头的目标行，确保只处理我们需要的内容
• toupper($2)：把输入的碱基（不管大小写）统一转成大写，避免A和a被分开统计
• base ~ /^[AGTC]$/：做有效性校验，只统计符合要求的碱基，自动忽略像最后一行那样没有碱基的无效行
• END块逻辑：遍历统计好的计数器，用printf格式化输出百分比；同时增加了边界判断，防止没有有效碱基时出现计算错误

示例测试结果 #

用你提供的示例输入运行这个脚本，会得到如下结果：

A: 42.86%
G: 57.14%

（注：示例里有效碱基共7个，其中A类3个、G类4个，对应计算出的百分比）

内容的提问来源于stack exchange，提问作者user7249622