我有2个文件,
head file1
1 115258827 12 HG00099
1 115258827 5 HG00100
1 115258827 8 HG00101
1 115258827 6 HG00103
1 115258827 4 HG00108
1 115258827 3 HG00110
1 115258827 4 HG00111
1 115258827 2 HG00114
1 115258827 8 HG00115
1 115258827 5 HG00116
和另一个文件
head file2
HG00096 0|0
HG00097 0|0
HG00099 0|0
HG00100 0|1
HG00101 0|0
HG00102 0|0
HG00103 0|0
HG00105 0|0
HG00106 0|0
HG00107 0|0
我想检查 file1 的最后一列是否与 file2 的第一列匹配,将 file 2 的第二列添加到 file1,最后得到类似的内容
head desired
1 115258827 12 HG00099 0|0
1 115258827 5 HG00100 0|1
1 115258827 8 HG00101 0|0
1 115258827 6 HG00103 0|0
答案1
假设您要合并/连接数据的字段已排序:
$ join -1 4 -o1.1,1.2,1.3,0,2.2 file1 file2
1 115258827 12 HG00099 0|0
1 115258827 5 HG00100 0|1
1 115258827 8 HG00101 0|0
1 115258827 6 HG00103 0|0
这将连接第四列file1
(使用 指定-1 4
,因为它不是该文件中的第一列)和第一列file2
(这些是文件需要排序的列)上的两个文件。
该-o
标志告诉join
我们希望在输出中看到哪些字段,以及从哪个文件中获取它们(1.3
例如,表示“第一个文件中的第三个字段”,0
表示连接字段)。
使用的好处join
是两个文件都不必完全读入内存。
如果文件未排序,您可以使用以下方法对它们进行一次一劳永逸的预排序
sort -k4 -o file1 file1
sort -o file2 file2
或者,如果您使用的 shell 能够理解进程替换,则可以在使用以下命令进行联接的同时对它们进行排序
join -1 4 -o1.1,1.2,1.3,0,2.2 <( sort -k4 file1 ) <( sort file2 )
排序后的数据join
一次只能在内存中保留每个文件的几行。
答案2
尝试:
awk 'FNR==NR{seen[$1]=$2; next} seen[$NF]{print $0, seen[$NF]}' file2 file1
使用column$1的键将column$2的相应值保存到一个名为的关联数组中见过什么时候awk只读自文件2其中NR==FNR
(当有多个输入文件要读取时,第一个输入文件始终为 true),NR
将在读取的第一个记录/行上设置为 1awk并递增,直到读取单个输入文件或多个文件的所有记录/行;FNR
将在读取的第一条记录/行上设置为 1awk并递增,直到在当前输入文件中读取所有记录/行,并将在下一个文件中重置回 1。
如果最后一列的值与所见数组中的相同键值匹配,则下一个块,然后打印整行文件1和数组中相同键的值。