文件 1 包含两列。第 1 列包含代谢途径的名称，第 2 列包含该途径中存在的基因数量：
pathway1 3
pathway2 4
pathway3 5
pathway4 6
pathway5 9
文件 2 有三列。第 1 列包含组编号，第 2 列包含属于特定组的代谢途径名称，第 3 列包含每个途径中存在的基因数量：
group1 pathway1 2
group1 pathway4 5
group1 pathway2 3
group2 pathway2 1
group2 pathway3 2
文件 1 和文件 2 为 csv 格式。
所需输出：
根据路径名称，如何在 File2 第 3 列旁边打印 File1 第 2 列中的基因数量，如下所示：
group1 pathway1 2 3
group1 pathway4 5 6
group1 pathway2 3 4
group2 pathway2 1 4
group2 pathway3 2 5
答案1
这就是这样join做的目的：
$ join -o 1.1,1.2,1.3,2.2 -12 -21 <(sort -k2 file2) <(sort file1)
group1 pathway1 2 3
group2 pathway2 1 4
group1 pathway2 3 4
group2 pathway3 2 5
group1 pathway4 5 6
或者，如果您的输入文件实际上如您所建议的那样用逗号分隔，但在您的问题中没有显示：
$ join -t, -o 1.1,1.2,1.3,2.2 -12 -21 <(sort -t, -k2 file2) <(sort file1)
group1,pathway1,2,3
group2,pathway2,1,4
group1,pathway2,3,4
group2,pathway3,2,5
group1,pathway4,5,6
join将在公共字段上连接两个文件的行。设置-o输出格式。在这里，我告诉它打印第一个文件的字段 1、2 和 3 ( 1.1,1.2,1.3)，然后打印第二个文件的第二个字段 ( 2.2)。并在每个文件中设置连接字段-1。-2因此，-12 -21意味着“加入 file1 的第二个字段和 file2 的第一个字段”。最后，join需要排序输入，因此我们在将两个文件传递到join.
答案2
这在 awk 中应该足够了：
awk 'NR==FNR{a[$1]=$2;next}{print $0,a[$2]}' file1 file2
您的示例文件以空格分隔的形式呈现，上面的代码适用于空格分隔的文件。
如果你的 file1 file2 以逗号分隔，那么你可以这样做：
awk 'BEGIN{FS=OFS=","}NR==FNR{a[$1]=$2;next}{print $0,a[$2]}' file1 file2
PS：在awk中，FS对应于输入字段分隔符，OFS对应于输出字段分隔符。默认的 FS 和 OFS 是“空格”，如果您的情况是空格，则可以省略（即在第一个代码中省略）
如果您想组合不同的输入字段分隔符和不同的输出字段分隔符，那么您可以执行以下操作：
awk 'BEGIN{FS=" ";OFS=","}NR==FNR{a[$1]=$2;next};$1=$1{print $0,a[$2]}' file1 file2
#The $1=$1 part is required to redisign the record according to the different Output Field Separator OFS
空格分隔的输入文件的最后一个代码（正如您的问题中所显示的那样）和以逗号分隔的输出将提供：
group1,pathway1,2,3
group1,pathway4,5,6
group1,pathway2,3,4
group2,pathway2,1,4
group2,pathway3,2,5
PS：对于空格分隔的文件，您可以指定OFS="\t"（制表符）以获得更美观的输出。
答案3
perl -lane '
if ( @ARGV == 1 ) {
$h{ $F[0] } = $F[1];
} else {
print "$_ $h{ $F[1] }";
}
' file1 file2