说明

需要样本分组文件f1和数据矩阵文件f2，分隔符都为 \t;f1的第一列为f2的列名，第二列为分组组名(会根据f1文件做计算，只做f1中有的样本与分组，支持无重复样本的分组)

f1示例

f2示例

脚本

awk 'BEGIN{FS=OFS="\t"}NR==FNR{a[$1]=$2;gnum[$2]=strtonum(gnum[$2])+1;guni[$2]}NR>FNR&&FNR==1{for(i=2;i<NF+1;i++){g[i]=a[$i]};printf $0;for(k in guni){printf "\tsum_"k};for(k in guni){printf "\tmean_"k};print ""}NR>FNR&&FNR>1{for(k in guni){s[k]=0};for(i=2;i<NF+1;i++){s[g[i]]=strtonum(s[g[i]])+$i};printf $0;for(k in guni){printf "\t"s[k]};for(k in guni){printf "\t"s[k]/gnum[k]}print ""}' pheno.file matrix.02 

转换后的脚本：

awk 'BEGIN{
 FS=OFS="\t"
}NR==FNR{
 a[$1]=$2
 gnum[$2]=strtonum(gnum[$2])+1
 guni[$2]
}NR>FNR&&FNR==1{
 for(i=2;i<NF+1;i++){
  g[i]=a[$i]
 }
 printf $0
 for(k in guni){
  printf "\tsum_"k
 }
  for(k in guni){
   printf "\tmean_"k
  }
  print ""
}NR>FNR&&FNR>1{
 for(k in guni){
  s[k]=0}
  for(i=2;i<NF+1;i++){
   s[g[i]]=strtonum(s[g[i]])+$i
  }
  printf $0
  for(k in guni){
   printf "\t"s[k]
  }
  for(k in guni){
   printf "\t"s[k]/gnum[k]
  }
  print ""
}'

输出文件：

执行时间

测试数据为55827行，13列。结果：

这个时间是很快的，比R的aggregate快很多；使用python的group_by 函数也可以实现，就不做比较了