时间戳

首页 > 解决方案 > 合并公共列上的两个文件并使用 awk 打印所有列

bash - 合并公共列上的两个文件并使用 awk 打印所有列

问题描述

我有两个很长的空格分隔文件，看起来像这样：

文件1：

CHR SNP   A1 A2 MAF
1    rs12  A G  0.43
1    rs1   A T  0.22
1    1:30  G A  0.012
1    rs23  G A  0.012

文件2：

SNP    CHR A1 A2 MAF CHR:BP
rs21   1   G  A  0.03 1:30
rs13   1   T  A  0.06 1:122
rs23   1   A  G  0.02 1:234

当文件 1 中的第 2 列与文件 2 中的第 1 列或文件 2 中的第 6 列匹配时，我想将它们合并在一起，并打印两个文件中的所有列。

所以我的示例输出应该是：文件 3

SNP  CHR A1 A2 MAF CHR:BP CHR SNP  A1 A2 MAF
rs21 1   G  A  0.03 1:30   1  1:30 G  A  0.012
rs23 1   A  G  0.02 1:234  1  rs23 G  A  0.012

我使用了以下代码：

awk 'NR==FNR{a[$2]=$0;next} ($1 in a || $6 in a){print $0 FS a[$2]}' file1 file2 > file3

但由于某种原因，它会过滤掉正确的行，但只打印 file2 的列，而不是 file1 的列。

我也尝试过加入，但它给了我奇怪的结果，即使文件已排序。奇怪的意思是，它省略了两个文件中实际存在的大约 1/5 的行。但只是为了完成，这是我尝试使用 join 的代码：

join -1 2 -2 1 -o '2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 1.1 1.2 1.3 1.4 1.5 1.6' <(sort -k2 file1) <(sort -k1 file2) > file3.1

join -1 2 -2 6 -o '2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 1.1 1.2 1.3 1.4 1.5 1.6' <(sort -k2 file1) <(sort -k6 file2) > file3.2

cat file3.1 file 3.2 > file3

有人看到我的错误吗？我会非常感激的。谢谢！

标签： bashunixjoinawk

解决方案

您的错误在您的print命令中：

{print $0 FS a[$2]}

应该

{print $0, ( $1 in a ? a[$1] : a[$6] )}

因为（1）“有趣”字段仅在$2您处于 file1 时出现，而不是在您 traverse时出现file2，并且（2）您需要根据您的任一条件从数组中提取数据。我们可以使用经典的三元运算符选择哪个数组元素。（为了便于阅读，我添加了额外的间距。）

请注意逗号的使用，它通过 分隔字段OFS，而不是使用FSwhich 是您的输入字段分隔符。

否则，您的代码对我来说看起来不错。

推荐阅读