当 ID 匹配时如何从另一个文件复制列

Question

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

Answer 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。

Answer 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。