次のデータがあります。
ID pheno
231 0.12
432 0.32
11 0.0003
134 0.33
2334 0.553
12 0.33
100 0.331
1008 1.6
223 -0.81
998 -3.001
次のように、乱数を含む「simulation1」と「simulation2」という2つの列を作成する必要があります。
ID pheno simulation1 simulation2
134 0.33 4.11 0.004
2334 0.553 83 0.44
12 0.33 87 0.55
100 0.331 88 12
231 0.12 0.1 2
432 0.32 3 30
11 0.0003 3.5 11
1008 1.6 89 23
223 -0.81 113 0.001
998 -3.001 220 982
次に、「simulation1」列の値に基づいて「ID」列と「pheno」列をソートし、行の最初の40％の「pheno」平均を計算します。つまり、0.193 = (0.12+ 0.32+0.0003+0.33) /4
ID pheno simulation1 simulation2
231 0.12 0.1 2
432 0.32 3 30
11 0.0003 3.5 11
134 0.33 4.11 0.004
2334 0.553 83 0.44
12 0.33 87 0.55
100 0.331 88 12
1008 1.6 89 23
223 -0.81 113 0.001
998 -3.001 220 982
次に、「simulation2」列の値に基づいて「ID」列と「pheno」列をソートし、行の最初の40％の「pheno」平均を計算しました。つまり、0.1=(-0.81+0.33)+0.553+0.33)/4
ID pheno simulation1 simulation2
223 -0.81 113 0.001
134 0.33 4.11 0.004
2334 0.553 83 0.44
12 0.33 87 0.55
231 0.12 0.1 2
11 0.0003 3.5 11
100 0.331 88 12
1008 1.6 89 23
432 0.32 3 30
998 -3.001 220 980
これにより、異なるランキングを使用した上位40％の平均の差は、-0.093 = 0.1 - 0.193になります。
2回目のラウンドでは、最初の2つの列（IDとpheno）は同じままですが、「simulation1」列と「simulation2」列に新しい値を作成する必要があります。 Excelで「simulation1」と「simulation2」に値を生成するには、RAND（）*関数を使用します。しかし、1000回も繰り返すことはできません。 Linuxで目的のループを作成する方法を知りたいです。
最終出力は次のとおりです。
row_name top40%average_simulate1 top40%average_simulate2 difference
1 0.193 0.1 -0.093
2
.
.
.
1000
ベストアンサー1
すべての場合に、| column -t以下を追加して出力を視覚的にソートします。
1）乱数を含む「simulation1」と「simulation2」の2つの列を作成する必要があります。
$ cat tst.awk
BEGIN { srand(seed) }
{ print $0, r(), r() }
function r() { return rand() * 100001 / 1000 }
$ awk -f tst.awk file | column -t
231 0.12 85.5574 23.7444
432 0.32 23.558 65.5853
11 0.0003 59.2486 50.3799
134 0.33 27.8248 45.7872
2334 0.553 45.7947 13.1887
12 0.33 51.6042 99.55
100 0.331 88.0281 17.4515
1008 1.6 1.37974 65.5945
223 -0.81 14.6773 97.6476
998 -3.001 87.888 31.97
2）その後、「simulation1」列の値に基づいて「ID」列と「pheno」列を並べ替えます。
$ awk -f tst.awk file | sort -k3,3n | column -t
1008 1.6 1.37974 65.5945
223 -0.81 14.6773 97.6476
432 0.32 23.558 65.5853
134 0.33 27.8248 45.7872
2334 0.553 45.7947 13.1887
12 0.33 51.6042 99.55
11 0.0003 59.2486 50.3799
231 0.12 85.5574 23.7444
998 -3.001 87.888 31.97
100 0.331 88.0281 17.4515
3）次に、行の最初の40％の平均「フェノ」を計算します。
$ cat tst2.awk
{ vals[NR] = $2 }
END {
max = NR * 40 / 100
for (i=1; i<=max; i++) {
sum += vals[i]
}
print sum / max
}
$ awk -f tst.awk file | sort -k3,3n | awk -f tst2.awk
0.36
残りはあなたが理解できることを願っています。上記では、出力が同じになるように、すべての呼び出しに同じシードをawkに渡すことで、計算ステップ全体を簡単に追跡できます。呼び出しごとに異なる乱数が生成さtst.awkれるように、呼び出しをに変更します。awk -v seed="$RANDOM" -f tst.awk