《Bioinformatics-Data-Skills》之管道

Unix的一大哲学思想就是模块性。我们不仅需要学习一个工具如何使用，还需要学习如何将工具组装起来解决更复杂的问题。通过管道符号我们可以提高代码的可读性与模块化，这里通过一个例子来说明：

例如我们想要统计一个文本文件里面所有单词的出现次数前10的单词与出现次数，可以采用下面的代码：

cat README.md | tr -cs A-Za-z '\n' | tr A-Z a-z | sort | uniq -c | sort -rn | sed 10q

结果为：

     11 fastq
     10 data
      8 seqs
      8 r
      5 the
      5 sequencing
      5 sequences
      5 quality
      4 of
      3 we

代码解析：

1. cat README.md | 
2. tr -cs A-Za-z '\n' | 
3. tr A-Z a-z | 
4. sort | 
5. uniq -c | 
6. sort -rn | 
7. sed 10q

每行的意思为：

1. 将README.md内容作为输入
2. tr是翻译程序，-c参数代表取第一个输入（A-Za-z）的补集，即非字母的字符；-s表示合并相邻的字符。这行的意思是将（相邻的多个）非字母的字符转换为换行符，这样我们就得到了每个单词为一行的结果；
3. 将大写字母转换为小写字母；
4. 将每行按字母顺序排序，这样同样的单词是想念出现的；
5. 去除重复出现的单词，通过-c参数统计每个单词的出现次数；
6. 按数字（-n）逆向（-r）排序；
7. 打印前10行信息并退出。

可以看出每个操作都是符合我们正常的逻辑思维顺序的，这样的操作无疑更方便可读与模块化，也会减少Bug的出现。

使用上述的命令更加快捷，但是使用更完善的脚本文件有更好的记录性。不过无论采用什么方式最重要的是将你的操作记录下来，方便以后的检查与重新运行。