声明：所有的笔记均为别人或我原创。只用于个人学习目的禁止用于商业传播等。版权归原作者所有。

原始来源：http://mp.weixin.qq.com/s/1A6Pu1Odd2lvBjzKT971kQ

1 基础Linux命令

“#”号开头的行是注释行，不会被执行。

查看当前文件夹路径。

pwd

新建一个目录

mkdir work

查看该目录下所有文件的名称

ls

查看该目录下所有文件的更多细节

ls -l

进入work目录

cd work

再次查看当前文件夹路径。

pwd

返回上一层目录

cd ..

再次查看当前文件夹路径。

pwd

删除work目录

rmdir work

新建一个文件

touch abc.txt

重命名（移动文件）

mv abc.txtxyz.txt

查看mv命令做了什么？

man mv

通过查询帮助文件，学习其他命令，如

cp, ls, mv,rm, mkdir, rmdir

例如，ls命令

man ls

Lecture2 – 简单的数据处理

• 为译者的标注
  从SGD上获取数据.
  用curl命令把URL下载下来，并存储一个叫 sc.gff 的文件中.
  *每个文件都有一个唯一的URL，也就是网址，用curl可以把这个URL对应的东西下载下来
  *大家可以尝试输入curl –h查看-o的含义:把标准输出更为写入到文件。

curl http://downloads.yeastgenome.org/curation/chromosomal_feature/saccharomyces_cerevisiae.gff -o sc.gff

*大家可以尝试把-o sc.gff去掉，会发现，这个saccharomyces_cerevisiae.gff文件的内容是边下载边呈现在屏幕上。大家可以通过快捷键ctrl+C把这个进程结束掉。
或者，假如这个网站下载数据似乎比较慢。但问一下自己，从一个课程网站下载，速度比官方数据存放网站要快是不是有些奇怪？加油，SGD!
#curl http://www.personal.psu.edu/iua1/courses/files/2014/data/saccharomyces_cerevisiae.gff-o sc.gff

*上面这条命令是从该课程的网站上下载数据，跟上一条命令下载的是是同一个数据。译者实测速度为：官网13‘，课程网站11’。

来看看这个文件有多少行。

wc -l sc.gff

按页翻看这个文件内容：用more（或者less）

SPACE（译者：也就是空格键）和f 是向往下翻页， b 是往上翻页,q 是退出, h 是帮助,/ 进入搜索。
more sc.gff

*大家可以尝试一下less sc.gff

我们来看看这个文件的前面几行

head sc.gff

以及文件的结尾.

tail sc.gff

把符合某些模式的内容从文件中抓取出来。

*这里YAL060W为指定需要匹配的模式。这条命令的含义是，把sc.gff这个文件中，含有YAL060W的所有行挑选出来。
grep YAL060W sc.gff

我们可以把这些所得到的匹配结果存放到一个文件中。

grep YAL060W sc.gff > match.gff

来看一下你的文件。

ls

随意翻阅一下这个存放匹配结果的文件。

head match.gff

管道命令（多个命令连用）

有多少行是匹配“gene”这个词的?
*这个命令是先把含有gene一词的行选出来，然后用wc -l查看有多少行。大家可以试试不加-l是什么结果。
grep gene sc.gff | wc -l

有多少行是同时匹配“gene”和“chrVI”(6号染色体)这两个词?

grep gene sc.gff | grep chrVI | wc -l

在上述符合条件的行里，不匹配“Dubious”的有多少行?

• -v是反转匹配（invert match）的意思，这里就是挑选除了匹配Dubious之外的所有行。
  grep gene sc.gff | grep chrVI | grep -v Dubious | wc -l

这个文件有点奇怪。它分为两个部分,表格部分是tab分隔的9列数据，另一部分是一条完整的基因组序列

把这个文件分为两部分。把基因组序列之前的所有行存进文件features.gff.

我们发现，出现含有单词“FASTA”的行就意味着基因组信息从这里开始。

cat -n sc.gff | head

找到“FASTA”在文件中的位置。 -n是指，把文件的行号输出来。

cat -n sc.gff | grep FASTA

把这个行号之前的所有含基因组特征信息的行存进新的文件中。同时去除含有“#”的注释行

head -22994 sc.gff | grep -v '#' > features.gff

整了这么多，我们只是想单独把表格形式的这些信息分选出来。来看看这些特征信息有多少行。

wc -l features.gff

把前三列截取出来。

• cut 在不指定分隔符的时候，默认是tab分割。如果是其他分隔符，可以用-d指定分隔符类型，以逗号分隔（比如csv格式）为例：cut -d "," -f 1,2,3 features.gff | head

cut -f 1,2,3 features.gff | head

去除这个GFF文件的第三列重复的词

*这里sort是从小到大排序。

uniq 命令是把同样的词只保留一个。

*举例来说，比如一组数据有1，1，2，3，3，3.经过uniq就变为1，2，3
cut -f 3 features.gff |sort | uniq | head

也可以计算某个词有多少个重复（uniq 加-c后显示重复个数）

cut -f 3 features.gff |sort | uniq -c | head