r语言 - 替换列中的字母生成新列

Question

我有一个包含两列(ref和alt)的以制表符分隔的文件。我想通过替换ref列中的所有列字母来创建新列。但我不希望任何替代空行和字母像TTGA(其长度超过1)

以下是我的输入文件

ref alt
T   C
C   
T   A,C
G   TTGA
C   

预期输出

ref alt         
T   C   C   T   T
C       C   C   C
T   A,C T   A   C
G   TTGA    G   G   G
C       C   C   C

输出的解释

1)在ref列中，T位于第一列第二行，而在相邻的alt列中，C位于第二列第二行，因此我将ref列打印为新列(参见第三列)，然后我将T替换为alt列中的C。

2. 在第一列，第三行和相邻的alt列中没有C，所以我不会粘贴ref列，因为它是作为新列。

3. 在ref列的第一列，第四行有T在相邻的alt列有A,C(第二列，第四行)所以粘贴ref列(第四列)，我先用A代替了T，然后再粘贴ref列的原样，用C代替了T(第五列，第四行)

4. 在第一行中，5t列G在那里，在相邻的alt列TTGA(长度大于1)在那里，所以我不会粘贴ref列，因为它是作为新列。

5. C在第一列，第6行，但在相邻的alt列没有什么可替换的，所以我不会粘贴ref列，因为它是作为新列。

Answer 1

一个Awk解决方案

File./replaceletters.awk:

#! /usr/bin/awk -f
BEGIN {
FS = OFS = "t"
}
# First line
NR == 1 {
print $1,$2
next
}
# Case: Only one column:
#  A -> A; empty; A; A; A
NF == 1 {
print $1,"",$1,$1,$1
next
}
# Case: Two columns, one letter on second column:
#  A; B -> A; B; B; A; A
NF == 2 && length($2) == 1 {
print $1,$2,$2,$1,$1
next
}
# Case: Two columns, two letters on second column:
#  A; B,C -> A; B,C; A; B; C
NF == 2 && $2 ~ /^.,.$/ {
C1 = C2 = $2
gsub(/,.*$/, "", C1)
gsub(/^.*,/, "", C2)
print $1,$2,$1,C1,C2
next
}
# Case: Other cases with two columns
#  A; X -> A; X; A; A; A
NF == 2 {
print $1,$2,$1,$1,$1
next
}

可执行模式:

chmod +x ./replaceletters.awk

启动:

./replaceletters.awk input01.txt

输出:

ref alt
T   C   C   T   T
C       C   C   C
T   A,C T   A   C
G   TTGA    G   G   G
C       C   C   C