csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样

csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样CSV/TSV作为数据科学和组学分析的基本格式,其实本质上均为txt格式的表格,CSV是按逗号分隔,TSV是以制表符分隔的表格。

大家好,欢迎来到IT知识分享网。

csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样、去冗余 、分列、分类汇总和简单绘图

写在前面

CSV/TSV作为数据科学和组学分析的基本格式,其实本质上均为txt格式的表格,CSV是按逗号分隔,TSV是以制表符分隔的表格。这两种格式数据格式应用非常广泛。比较常用的处理软件包括:

  • Excel为代表的电子表格软件
  • Notepad++/Edit-plus等文本编辑器
  • sed/awk/cut等Shell命令
  • 各种编程语言,例如 R、python等。

备注:sed/awk/cut等Shell命令不适合含有标题行的CSV格式,当然这些命令的操作非常快。

csvtk软件用GO语言编写,是一个支持多平台(Winodws/Mac/Linux)的小工具,支持格式除了这两种格式外还可以处理gzip压缩的格式。无需解压即用。27个子命令支持管道组合使用,支持简单的出图。

本文主要参考软件官方教程 https://bioinf.shenwei.me/csvtk/usage,并将方法应用于扩增子分析中常用的特征表(otutab.txt)、元数据(metadata.tsv)和物种注释(taxonomy.txt)。

工具安装

软件主页:https://github.com/shenwei356/csvtk

软件下载:https://github.com/shenwei356/csvtk/releases/

各系统版本都下,下载解压即可使用。

可选使用conda安装

conda install csvtk

参数介绍

# 信息 headers 打印标题行,如果表格列比较多,首先查看列名方便后续操作 stats 基本统计分析 stats2 对指定的列进行基本统计,注意需要是数值列 # 格式转化 pretty 转为美观、可读性强的格式,用于打印 csv2tab 转CSV为TSV tab2csv 转TSV为CSV space2tab 转空格分割格式为TSV transpose 转置CSV/TSV 这一个步骤往往看看出来工具好不好用 csv2md 转CSV/TSV为makrdown格式,方便我们多平台排版,发文 # 集合操作 head 屏幕打印表格前面的内容,可以指定行数 sample 按比例随机采样 对行进行抽样 cut 选择特定列,支持按列或列名进行基本选择、范围选择、模糊选择、负向选择(最常用命令之一,非常强大) uniq 无须排序,返回按指定(多)列作为key的唯一记录 freq 按指定(多)列进行计数(常用) inter 多个文件的交集 grep 指定(多)列为Key进行搜索(最常用命令之一,可按指定列搜索) filter 按指定(多)列的数值进行过滤 filter2 用类似awk的数值/表达式,按指定(多)列的数值进行过滤 join 合并多个文件(常用) # 编辑 rename 直接重命名指定(多)列名 rename2 以正则表达式重命名指定(多)列名 replace 以正则表达式对指定(多)列进行替换编辑(最常用命令之一,可按指定列编辑) mutate 以正则表达式基于已有列创建新的一列(常用于生成多列测试数据) mutate2 用类似awk的数值/表达式,以正则表达式基于已有(多)列创建新的一列(常用) gather 类似于R里面tidyr包的gather方法 # 排序 sort 按指定(多)列进行排序 # 绘图 plot 基本绘图 plot hist histogram 直方图 plot box boxplot 箱线图 plot line line plot and scatter plot 线图和散点图 # 其它 version 版本信息和检查新版本 genautocomplete 生成支持Bash自动补全的配置文件,重启Terminal生效。

使用前注意

使用 输入数据要求每行的列数一致,空行也会报错 csvtk默认输入数据含有标题行,如没有请开启全局参数-H csvtk默认输入数据为CSV格式,如为TSV请开启全局参数-t 输入数据列名最好唯一无重复 如果TSV中存在双引号"",请开启全局参数-l csvtk默认以#开始的为注释行,若标题行含#,请给全局参数-C指定另一个不常见的字符(如$)

实战

本次使用的数据是扩增子的otu表格和注释表格,还有分组文件。

# 下载测试数据 for i in otutab.txt taxonomy.txt metadata.txt otus.fa;do wget -c http://210.75.224.110/github/MicrobiomeStatPlot/Data/Science2019/$i; done mv metadata.txt metadata.tsv # 转换TSV为CSV sed 's/\t/,/g' metadata.tsv > metadata.csv # 删除行名的#号,旧版本格式,目前不常用 sed -i '1 s/#//' otutab.txt

pretty 表格美化

  • csvtk pretty让打印出来的内容排版更加美丽,其实对于tsv文件影响不大,要加上全局参数-t,但是对于csv文件影响还是挺大的。

注意csvtk主要用于处理csv数据,对于txt数据尽量转化为csv数据整理,否则好多操作都不能实现。

# 预览csv head -n3 metadata.csv # SampleID,Group,Date,Site,Sequencing,Platform,Species,Batch,BarcodeSequence,LinkerPrimerSequence,ReversePrimer # KO1,KO,2017/6/30,Beijing,BGI,HiSeq2500,Arabidopsis,1,ACGCTCGACA,AACMGGATTAGATACCCKG,ACGTCATCCCCACCTTCC # KO2,KO,2017/6/30,Beijing,BGI,HiSeq2500,Arabidopsis,1,ATCAGACACG,AACMGGATTAGATACCCKG,ACGTCATCCCCACCTTCC # 可视化csv csvtk pretty metadata.csv|head -n3 # SampleID Group Date Site Sequencing Platform Species Batch BarcodeSequence LinkerPrimerSequence ReversePrimer # KO1 KO 2017/6/30 Beijing BGI HiSeq2500 Arabidopsis 1 ACGCTCGACA AACMGGATTAGATACCCKG ACGTCATCCCCACCTTCC # KO2 KO 2017/6/30 Beijing BGI HiSeq2500 Arabidopsis 1 ATCAGACACG AACMGGATTAGATACCCKG ACGTCATCCCCACCTTCC # TSV格式使用pretty 打印样式影响不大 head -n3 otutab.txt # 自动去除了表头 csvtk -H pretty otutab.txt | head -n3

stat 统计行列

注意csv格式正常统计,但是tsv格式统计列数量错误;

csvtk stat metadata.csv # file num_cols num_rows # metadata.csv 11 18 #--注意使用tsv格式文件需要添加参数 -t csvtk stat metadata.tsv -t # file num_cols num_rows # metadata.tsv 1 18

headers 打印表头

 -h, --help help 文件调用 -v, --verbose 打印冗余信息,用#号分隔的文件名称
# 默认去除#号注释行,如果存在#号行,-C指定一个不常用字符 csvtk -t headers otutab.txt -C ! #OTUID #KO1 #KO2 ··· csvtk headers otutab.txt -t -v # otutab.txt #1 #OTUID #2 KO1 #3 KO2 ···

dim/nrow/ncol 文件行列统计

这里需要注意的式-n参数可以用于多文件统计,没有表头记得加上-H参数。

 --cols 只打印文件列数量 -h, --help 调用帮助文件 -n, --no-files 不打印文件名 --rows 只打印文件行数量 --tabular 输出机器友好的tab格式文件
# 默认输出列和行数量 csvtk -t dim otutab.txt #file num_cols num_rows #otutab.txt 19 2,631 #仅仅输出行数量 csvtk -t nrow otutab.txt #2631 # 仅仅输出列数量 csvtk ncol otutab.txt -t # 19 #--注意同时统计多个文件可以在后面加上-n参数 csvtk dim *.txt -t -n #file num_cols num_rows #otutab.txt 19 2,631 #taxonomy.txt 8 2,631

summary 统计

选定的数字或文本字段的汇总统计信息(按组分组字段),注意不能混用列名和数字标识

所支持的函数:countn (count numeric values), min, max, sum,
mean, stdev, variance, median, q1, q2, q3,
entropy (Shannon entropy),
prod (product of the elements);

支持的调用语法:
count, first, last, rand, unique, collapse, countunique。

Flags: -n, --decimal-width int 限制浮点数为N个小数点(默认为2) -f, --fields strings 统计类型指定:operations on these fields. e.g -f 1:count,1:sum or -f colA:mean. available operations: collapse, count, countn, countunique, entropy, first, last, max, mean, median, min, prod, q1, q2, q3, rand, stdev, sum, uniq, variance -g, --groups string 分组,按照行或者列:group via fields. e.g -f 1,2 or -f columnA,columnB -h, --help 调用帮助文件 -i, --ignore-non-numbers 忽略NA值:"NA" or "N/A" -S, --rand-seed int 设定随机种子,默认11 "rand" (default 11) -s, --separater string separater for collapsed data (default "; ")

下面就一个列进行统计,主要是训练这些常用函数的用法。很多时候可以联合使用。注意经常我们的数据中有NA存在,此时加上-i。

#-对指定列WT2进行求和,获得某样本的总数据量 cat otutab.txt | csvtk summary -f WT2:sum -t # 求均值 cat otutab.txt | csvtk summary -f WT2:mean -t # 统计该列的长度,即行数 cat otutab.txt | csvtk summary -f WT2:countn -t #-对应的max,min和first,last是一个道理,也就是下面的命令同等有效: cat otutab.txt | csvtk summary -f WT2:first -t cat otutab.txt | csvtk summary -f WT2:max -t # 统计方差:variance cat otutab.txt | csvtk summary -f WT2:variance -t # 统计标准差 cat otutab.txt | csvtk summary -f WT2:stdev -t # 提取非重复值 cat otutab.txt | csvtk summary -f WT2:uniq -t # 对去除重复值后的值统计数量 cat otutab.txt | csvtk summary -f WT2:countunique -t

对多个列同时进行统计:

cat otutab.txt | csvtk summary -f WT2:countunique,OE1:uniq -t cat otutab.txt | csvtk summary -f WT2:mean,OE1:mean -t

join 连接数据框

该功能和R包dplyr的许多功能类似,用法类似,例如这个功能:共有连接,左连接,全部连接。可以支持多个共有列。默认如果不加参数,会进行共有列连接。

csvtk join -h -f, --fields string Semicolon separated key fields of all files, if given one, we think all the files have the same key columns. Fields of different files should be separated by ";", e.g -f "1;2" or -f "A,B;C,D" or -f id (default "1") -F, --fuzzy-fields using fuzzy fields, e.g., -F -f "*name" or -F -f "id123*" -h, --help help for join -i, --ignore-case ignore case -k, --keep-unmatched keep unmatched data of the first file (left join) -L, --left-join left join, equals to -k/--keep-unmatched, exclusive with --outer-join --na string content for filling NA data -O, --outer-join outer join, exclusive with --left-join

实例,这里我们的实例都是来自于微生物组分析得到的表格,让大家可以更好的应用于微生物组数据分析和实践。

#-合并OTU表格和注释文件 -f 1 指定第一列为合并公共列 csvtk -t join -f 1 otutab.txt taxonomy.txt | csvtk -t dim #file num_cols num_rows #- 26 2,631 # 保存结果,供后面使用 csvtk -t join -f 1 otutab.txt taxonomy.txt > otutax.txt # 演示一下左连接:仅保留第一个文件的列 head otutab.txt > otutab_sub.txt csvtk -t join -f 1 otutab_sub.txt taxonomy.txt --left-join | csvtk -t dim #file num_cols num_rows #- 26 9 #--如果左连接第二个表格没有对应的信息,则使用NA填充空位 head -n9 taxonomy.txt > taxonomy_sub.txt csvtk -t join -f 1 otutab_sub.txt taxonomy_sub.txt --na NA --left-join #--全部合并,对于空缺位置可以随意标示,0,或者NA或者自己的名字也可以 csvtk -t join -f 1 otutab_sub.txt taxonomy_sub.txt --outer-join --na wentao
# 通过列名来指定合并列 csvtk -t join -f "OTUID;OTUID" otutab.txt taxonomy.txt |csvtk -t dim

add-header 添加表头

# 准备一下无表头的表 cut -f 1-3 metadata.tsv | tail -n+2 | head -n2 > metatest.txt cat metatest.txt #KO1 KO 2017/6/30 #KO2 KO 2017/6/30 # 添加表头 csvtk -t add-header -n SampleID,Group,Date metatest.txt #SampleID Group Date #KO1 KO 2017/6/30 #KO2 KO 2017/6/30

seqkit fx2tab 序列转表格

当我知道csvtk和seqkit是一个作者写的后,我就开始肆无忌惮的的联用这两个工具了,seqkit的安装和使用参考如下教程:

  • seqkit:序列梳理神器-统计、格式转换、长度筛选、质量值转换、翻译、反向互补、抽样、去重、滑窗、拆分等30项全能

例如下面我们将演示三个表格合并,此时需要处理一下代表序列文件,作为除了otu表格和注释表格之外的第三个表格:将fa格式转化为tsv格式,删除结尾多余制表符,再添加表头

seqkit fx2tab otus.fa|cut -f 1-2 |csvtk -t add-header -n OTUID,Sequence > otus_fa.txt # 然后转化为csv格式预览,按q退出预览 csvtk tab2csv otus_fa.txt|less -S

三个文件合并

# 通过第一列合并 csvtk -t join -f 1 otutab.txt taxonomy.txt otus_fa.txt |head # 通过共有列名合并 csvtk -t join -f OTUID otutab.txt taxonomy.txt otus_fa.txt |head

join+summary分组统计

# -g 参数指定分组 cat otutax.txt | csvtk -t summary -i -f OE2:mean,WT2:mean -g Phylum # 指定多个分组 cat otutax.txt | csvtk -t summary -i -f OE2:mean,WT2:mean -g Phylum,Class

transpose 转置数据框

转置这一个步骤相当消耗时间,尤其是宏基因组的较大的表格。

#--转置,提取表头,打印前面几个 csvtk -t transpose otutab.txt |csvtk -t headers |head

cut 列名筛选

# -f 参数可以使用数字指定列 并挑选出来 csvtk -t cut -f 1,3 otutab.txt | csvtk -t headers # -f 也可以通过列名来指定并打印列 csvtk -t cut -f OE2 otutab.txt | csvtk -t headers # 去掉列只需要在序号前面加上-即可,这里去除第二和第三列 csvtk -t cut -f -2,-3 otutab.txt | csvtk -t headers # 指定范围去除某些列,这里去除第二列到第六列 csvtk -t cut -f -6--2 otutab.txt | csvtk -t headers # 注意负号添加在列名字前面同样有效 csvtk -t cut -f -OE1 otutab.txt | csvtk -t headers

使用-F参数,使用双引号,可以使用正则而表达式。

# 筛选W和OE开头的列 csvtk -t cut -F -f "OTUID,W*,OE*" otutab.txt | csvtk -t headers #--无论是按照数字还是列名指定列,这个顺序就是打印出来的顺序。 csvtk -t cut -F -f "OTUID,OE1,WT1" otutab.txt | csvtk -t headers

csv2md 表格转化为markdown格式

在用markdown写笔记,或做网页时,经常需要把表格排版为markdown格式,手动排版非常耗时。使用此工具会极方便

cut -f 1-7 metadata.tsv | csvtk -t csv2md
SampleID|Group|Date |Site |CRA |CRR |BarcodeSequence :-------|:----|:--------|:--------|:---------|:--------|:-------------- KO1 |KO |2017/6/30|Chaoyang |CRA002352 |CRR|ACGCTCGACA KO2 |KO |2017/6/30|Chaoyang |CRA002352 |CRR|ATCAGACACG KO3 |KO |2017/7/2 |Changping|CRA002352 |CRR|ATATCGCGAG

csv2xlsx 转化为xlsx格式

# 无需指定输出,会生成 otutab.txt.xlsx 的Excel表格输出 csvtk -t csv2xlsx otutab.txt # -o 指定输出文件名 csvtk -t csv2xlsx otutab.txt -o otutab.xlsx

xlsx2csv Excel转换为文本表格

Flags: -h, --help help for xlsx2csv -a, --list-sheets 转化全部的sheet -i, --sheet-index int 指定sheet (default 1) -n, --sheet-name string sheet to retrieve
# -将xlsx转化为csv文件,显示表格中sheet编号 csvtk xlsx2csv -a otutab.txt.xlsx # 转化第一张sheet,输出到屏幕 csvtk -t xlsx2csv -i 1 otutab.txt.xlsx | head

head 查看前n行的数据

 -n, --number int 指定需要查看数据的行数
# 查看前十行数据 csvtk head otutab.txt -n 10

concat 按照行合并表

Flags: -h, --help help for concat -i, --ignore-case 忽略列名 (column name) -k, --keep-unmatched keep blanks even if no any data of a file matches -u, --unmatched-repl string replacement for unmatched data
# 需要列名一样, 但是顺序可以不一样,并去除多余表头 wc -l otutab_sub.txt otutab.txt csvtk -t concat otutab_sub.txt otutab.txt | wc -l # 不同时默认共有列合并,-i忽略大小写 csvtk -t concat otutab_sub.txt otutab.txt -i | csvtk -t stat # -u 将未匹配上的行使用Unmached补全 csvtk concat otutab_sub.txt otutab.txt -u Unmached | csvtk -t stat

sample 按照比例抽样

Flags: -h, --help help for sample -n, --line-number 打印第一列,行号 ("n") -p, --proportion float 按照比例抽样 -s, --rand-seed int 随机种子(default 11)
# 按照比例抽样,抽取一半,没有表头添加参数-H seq 100 | csvtk sample -H -p 0.5 | wc -l #46 # 抽取十分之一 seq 100 | csvtk sample -H -p 0.1 | wc -l # 10 # 打印行号 seq 100 | csvtk sample -H -p 0.05 -n #50,50 #52,52 #65,65

cut 选择列

例子: 1. 选择单个列,根际列序号或者列名 csvtk cut -f 1 csvtk cut -f colA 2. 多个列选择 (可以重复列名,调整顺序) csvtk cut -f 1,3,2,1 csvtk cut -f colA,colB,colA 3. 选择列可用于列排序 csvtk cut -f 1,3-5 # 1, 3, 4, 5 csvtk cut -f 3,5- # 3rd col, and 5th col to the end 第五列发放最后面 csvtk cut -f 1- # 全选列 csvtk cut -f 2-,1 # move 1th col to the end 4. 负号放到前面代表去除某一列 csvtk cut -f -1,-3 # discard 1st and 3rd column csvtk cut -f -1--3 # discard 1st to 3rd column csvtk cut -f -2- # discard 2nd and all columns on the right. csvtu cut -f -colA,-colB # discard colA and colB Flags: -f, --fields string 选择列. type "csvtk cut -h" for examples -F, --fuzzy-fields 模糊选择,正则表达书,用单引号括起来, e.g., -F -f "*name" or -F -f "id123*" -h, --help help for cut -i, --ignore-case ignore case (column name) -u, --uniq-column deduplicate columns matched by multiple fuzzy column names
# 列名选择 csvtk -t cut -f OE2 otutab.txt |head #OE2 #1610 #497 # 序号选择 csvtk -t cut -f 2,3,5 otutab.txt |head #KO1 KO2 KO4 #1073 1926 1356 #1965 1233 2241 # 模糊选择 csvtk -t cut -F -f 'OE*' otutab.txt |head #OE1 OE2 OE3 OE4 OE5 OE6 #1259 1610 1337 944 1245 1013 #641 497 1225 1271 948 638 # 去除某些列 csvtk -t cut -f -1,-2,-3 otutab.txt |head #KO3 KO4 KO5 KO6 OE1 OE2 #810 1356 1064 1069 1259 1610 #2368 2241 2901 1835 641 497 # 选择第八列以及之后的全部列 csvtk -t cut -f 8- otutab.txt |head #OE1 OE2 OE3 OE4 OE5 OE6 WT1 WT2 WT3 WT4 WT5 WT6 #1259 1610 1337 944 1245 1013 2303 2512 1698 1974 1441 1544 #641 497 1225 1271 948 638 1286 1499 843 1122 1496 1177 # 选择第八列到第十列 csvtk -t cut -f 8-10 otutab.txt |head #OE1 OE2 OE3 #259 1610 1337

uniq 去除重复

按照某列去除重复

# 挑选界,对界进行去除重复 csvtk -t cut -f 2 taxonomy.txt |csvtk uniq -f 1 #Kingdom #Bacteria #Archaea # 直接对注释文件某列去除重复,不考虑其他列 csvtk -t uniq -t -f 2 taxonomy.txt #OTUID,Kingdom,Phylum,Class,Order,Family,Genus,Species #ASV_657,Bacteria,Actinobacteria,Actinobacteria,Actinomycetales,Thermomonosporaceae,Unassigned,Unassigned #ASV_1646,Archaea,Thaumarchaeota,Unassigned,Nitrososphaerales,Nitrososphaeraceae,Nitrososphaera,Unassigned

freq 统计频数

Flags: -f, --fields string select only these fields. e.g -f 1,2 or -f columnA,columnB (default "1") -F, --fuzzy-fields 模糊选择, e.g., -F -f "*name" or -F -f "id123*" -i, --ignore-case ignore case -r, --reverse 反转排序 -n, --sort-by-freq 按照频数排序 -k, --sort-by-key 按照键排序
# 对第二列统计频数 csvtk -t freq -f 2 taxonomy.txt #Kingdom,frequency #Archaea,1 #Bacteria,2630 # 按数值反转排序 csvtk -t freq -f 2 taxonomy.txt -n -r #Kingdom,frequency #Bacteria,2630 #Archaea,1

inter 选择多个文件共有列内容

csvtk -t inter otutab.txt taxonomy.txt |head #OTUID #ASV_2700 #ASV_2092

grep 指定列匹配(支持正则)

Flags: -f, --fields string comma separated key fields, column name or index. e.g. -f 1-3 or -f id,id2 or -F -f "group*" (default "1") -F, --fuzzy-fields 模糊选择, e.g., -F -f "*name" or -F -f "id123*" -h, --help help for grep -i, --ignore-case ignore case -v, --invert 去除匹配上的行 -n, --line-number 打印行号 ("n") -N, --no-highlight 不高亮 -p, --pattern strings 优雅答应选项(multiple values supported) -P, --pattern-file string pattern files (one pattern per line)
# 选择第3列门是Actinobacteria 的行 csvtk -t grep -f 3 -p Actinobacteria taxonomy.txt # 可用列表 -P 接匹配列表 # 构建一个id列表,并去除表头 csvtk -t cut -f 1 otutab.txt | head | csvtk del-header > id.txt # 使用-P选项后面接列表,比awk筛选更方便 csvtk -t grep -f 1 -P id.txt taxonomy.txt

filter 列条件过滤

# 选择OE2 列序列数量大于500的行 csvtk -t filter -f "OE2>500" otutab.txt #支持多列共同筛选 csvtk -t filter -f "2-5>300" otutab.txt # 注意模糊匹配使用-F选项,所有列均满足条件 csvtk -t filter -F -f "OE*>500" otutab.txt #OTUID,KO1,KO2,KO3,KO4,KO5,KO6,OE1,OE2,OE3,OE4,OE5,OE6,WT1,WT2,WT3,WT4,WT5,WT6 #ASV_657,1073,1926,810,1356,1064,1069,1259,1610,1337,944,1245,1013,2303,2512,1698,1974,1441,1544

split 数据列拆分为多文件

# 按照门进行拆分文件-会以门的名字命名 csvtk -t split taxonomy.txt -f Phylum # 查看分出来的文件 ls taxonomy-* # 删除这些文件,太多使目录变混乱 rm taxonomy-* # 通过指定-o输出到一个文件夹中 mkdir -p split csvtk -t split taxonomy.txt -f Phylum -o split/ # 指定两个列进行分析 csvtk -t split taxonomy.txt -f Phylum,Class -o split/

comb 对每一行的元素进行组合

# 两两组合 csvtk -t cut -f 1,2,3 taxonomy.txt |head -n 2 |csvtk -t comb -n 2 #ASV_657,Bacteria #ASV_657,Actinobacteria #Bacteria,Actinobacteria # 三个组合 csvtk -t cut -f 1,2,3,4 taxonomy.txt |head -n 2 |csvtk -t comb -n 3 # 断棍模型-单个到全部组合都做出来 csvtk -t cut -f 1,2,3,4 taxonomy.txt |head -n 2 |csvtk -t comb -n 0

add-header 添加列名

# seq生成序列,mutate添加一列,add-header--添加列名为a,b seq 3 | csvtk mutate -H |csvtk add-header -n a,b #a,b #1,1 #2,2 # 可以分别用-n参数指定-n a -n b seq 3 | csvtk mutate -H csvtk add-header -n a -n b #a,b #1,1 #2,2

del-header 删除列名

# 添加列名 seq 3 | csvtk add-header #添加后删除列名 seq 3 | csvtk add-header | csvtk del-header # 或者使用-H参数指定无表头防止误删 seq 3 | csvtk del-header -H

rename 列名重命名

csvtk -t cut -f 1-2 taxonomy.txt |head |csvtk -t rename -f 1-2 -n B,P #B,P #ASV_657,Bacteria #ASV_2,Bacteria

round 保留小数点位数

cut -f1-3 otutab.txt |csvtk -t round -n 2 -f KO1 |head #OTUID KO1 KO2 #ASV_657 1073.00 1926 #ASV_2 1965.00 1233

mutate 根据规则创建新列

# 使用已有列改名 作为新的一列 csvtk -t mutate -f Class -n Class2 taxonomy.txt | head -n3 #OTUID Kingdom Phylum Class Order Family Genus Species Class2 #ASV_657 Bacteria Actinobacteria Actinobacteria Actinomycetales Unassigned Unassigned Unassigned Actinobacteria #ASV_2 Bacteria Proteobacteria Betaproteobacteria Burkholderiales Comamonadaceae Pelomonas Pelomonas_puraquae Betaproteobacteria # 复杂一点:将otu表格otu名字种otu部分 提取出来做为group列 csvtk -t mutate -f 1 -n group -p "^(.+?)[0-9]" otutab.txt |head -n3 #OTUID KO1 KO2 KO3 KO4 KO5 KO6 OE1 OE2 OE3 OE4 OE5 OE6 WT1 WT2 WT3 WT4 WT5 WT6 group #ASV_657 1073 1926 810 1356 1064 1069 1259 1610 1337 944 1245 1013 2303 2512 1698 1974 1441 1544 ASV_ #ASV_2 1965 1233 2368 2241 2901 1835 641 497 1225 1271 948 638 1286 1499 843 1122 1496 1177 ASV_

mutate2 更为强大地创造新列

# 使用字符串重复,作为一个新列 cut -f 1-3 otutab.txt |csvtk -t mutate2 -t -e " 'abc' " -n group |head -n3 #OTUID KO1 KO2 group #ASV_657 1073 1926 abc #ASV_2 1965 1233 abc # 列 合并,如果是字符串,可以合并在一起 cut -f 1-4 taxonomy.txt |csvtk -t mutate2 -n Comname -e ' $Class + "-" + $Phylum ' |head #OTUID Kingdom Phylum Class Comname #ASV_657 Bacteria Actinobacteria Actinobacteria Actinobacteria-Actinobacteria #ASV_2 Bacteria Proteobacteria Betaproteobacteria Betaproteobacteria-Proteobacteria #ASV_3 Bacteria Proteobacteria Gammaproteobacteria Gammaproteobacteria-Proteobacteria #如果是数值可以进行基本算数运算-例如两列求和 cut -f1-7 otutab.txt |csvtk -t mutate2 -n sum12 -e ' $3 + $2 ' |head #OTUID KO1 KO2 KO3 KO4 KO5 KO6 sum12 #ASV_657 1073 1926 810 1356 1064 1069 2999.00 #ASV_2 1965 1233 2368 2241 2901 1835 3198.00 # 使用逻辑判断,添加新列 cut -f1-7 otutab.txt | csvtk -t mutate2 -n sum12 -e ' $2>1000' |head #OTUID KO1 KO2 KO3 KO4 KO5 KO6 sum12 #ASV_657 1073 1926 810 1356 1064 1069 true #ASV_2 1965 1233 2368 2241 2901 1835 true #ASV_3 567 460 898 902 1224 854 false # 可以使用条件分配逻辑判断的填充 cut -f1-7 otutab.txt |csvtk -t mutate2 -n sum12 -e ' $3>1000? "small" : "big"' |head #OTUID KO1 KO2 KO3 KO4 KO5 KO6 sum12 #ASV_657 1073 1926 810 1356 1064 1069 small #ASV_2 1965 1233 2368 2241 2901 1835 small #ASV_3 567 460 898 902 1224 854 big

collapse 分类汇总/合并同类项

# 想知道每个门中有哪些ASV cat taxonomy.txt |csvtk -t collapse -f 1,2,3 -v 1 -s ';' | less -S > phylum_ASV.txt

sep 指定分隔符分隔一列内容

# -n 指定分隔出来的内容名称,这里指定两个,那就只会分出来两个,多指定几个,那就多分出来几个。 csvtk -t sep phylum_ASV.txt -f3 -s ";" -n OTU1,OTU2 --drop | less -S #Kingdom Phylum OTUID OTU1 OTU2 #Bacteria Ignavibacteriae ASV_1159;ASV_2278 ASV_1159 ASV_2278 #Archaea Thaumarchaeota ASV_1646 ASV_1646 #Bacteria Armatimonadetes ASV_989;ASV_1709;ASV_1839;ASV_2014 ASV_989 ASV_1709 #Bacteria Gemmatimonadetes ASV_2825 ASV_2825 # --merge 会将剩下的内容放到最后一列 csvtk -t sep phylum_ASV.txt -f3 -s ";" -n OTU1,OTU2 --merge| less -S

gather 表格宽变长(用于绘图)

# 按照第一列作为索引,将数据变为长数据,方便出图 cat otutab.txt |csvtk -t gather -k SampleID -v value -f -1 |head #OTUID SampleID value #ASV_657 KO1 1073 #ASV_657 KO2 1926 #ASV_657 KO3 810 # 下面使用id和界作为索引,变化为长数据 cat otutax.txt |csvtk -t gather -k id -v value -f -1,-21 |head #OTUID Phylum id value #ASV_657 Actinobacteria KO1 1073 #ASV_657 Actinobacteria KO2 1926

fold 归类

# 选择门和科这两个等级数据,并去除重复,然后按照门,将科归类到 门后面,默认使用 “;” 分隔 # 某个门中有哪 些科,和collapse有点类似,按; 分隔 cat taxonomy.txt | csvtk -t uniq -f Phylum,Class |csvtk -t fold -f Phylum -v Class # 换用逗号和空格作为分隔符 cat taxonomy.txt | csvtk -t uniq -f Phylum,Class |csvtk -t fold -f Phylum -v Class -s ", " # 下面按照门和钢给OTU做分类 cat taxonomy.txt |csvtk -t collapse -f 1,2,3 -v 1 -s ';' | head

plot 做箱线图 频数分布,线图

由于使用go出图并不能达到我们的发文预期,所以这里只是简单的看看。优点是命令行一行完成,不用像R解决文件读写,更高效。

plot hist 绘制直方图

# 对表格的第三列绘制直方图 csvtk -t plot hist otutab.txt -f 3 --title Histogram -o histogram.png # 直接展示 csvtk plot hist otutab.txt -f 3 --title Histogram | display
csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样

plot box 绘制箱线图

# 设置-g参数用于指定x周坐标,-f 指定y周内容 csvtk -t plot box otutax.txt -g Phylum -f "OE2" --width 12 --title "wentao" > boxplot.png
csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样

# 坐标轴反转一下 csvtk -t plot box otutax.txt -g Phylum -f "OE2" --width 12 --horiz --title "wentao" > boxplot2.png
csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样

plot line 绘制线图

csvtk -t plot line otutax.txt -x OE2 -y WT2 -g Phylum --title "Line plot" > lineplot.png csvtk -t plot line otutax.txt -x OE2 -y WT2 -g Phylum --title "Line plot" --scatter > lineplot2.png
csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样

csvtk:表格处理神器-美化、统计、头表、合并、转置、筛选、取样

其他功能

watch 统计频数,直方图可视化

csvtk -t watch -O hist.pdf -f WT1 otutab.txt

csvtk corr 计算两列之间的皮尔逊相关

这里使用的txt文件,所以添加了-t全局参数,这里作者帮助文件显示只能计算这一种相关,如果我们做微生物组分析,斯皮尔曼相关更加适合

csvtk -t corr -i -f WT1,WT2 otutab.txt # WT1 WT2 0.9373

csv2json 转化csv格式为json格式

head -n3 otutab.txt | csvtk -t csv2json

filter2 filter的增强版 使用类似awk来高级做高级筛选

功能更强大,但用法稍微不同。

csvtk -t filter2 -f '$OE1 > 500 || $WT2 > 100' otutab.txt |head #OTUID,KO1,KO2,KO3,KO4,KO5,KO6,OE1,OE2,OE3,OE4,OE5,OE6,WT1,WT2,WT3,WT4,WT5,WT6 #ASV_657,1073,1926,810,1356,1064,1069,1259,1610,1337,944,1245,1013,2303,2512,1698,1974,1441,1544 #ASV_2,1965,1233,2368,2241,2901,1835,641,497,1225,1271,948,638,1286,1499,843,1122,1496,1177

splitxlsx 拆分xlsx中的sheet表格

csvtk xlsx2csv -a otutab.txt.xlsx

参考文献

软件管方教程:https://bioinf.shenwei.me/csvtk/usage

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/73011.html

(0)

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注

关注微信