合并两个文件并创建一个新文件。文件 1 的列数超过 100,文件 2 的列数超过 2

合并两个文件并创建一个新文件。文件 1 的列数超过 100,文件 2 的列数超过 2

我有两个 .csv 文件,File1.csv 有 ~100 列和 60,000 行,而 File2.csv 有 2 列和 57,000 行。两个文件都有一个共同的列 (gene_symbol)。如果 file1.csv 和 file2.csv 的 gene_symbol 匹配,我想创建一个新文件,并且所有行都应被拉入新文件,包括 file1.csv 的标题。

文件1.csv

gene_symbol TCGA-HZ-A4BH-01A-11R-A26U-07    TCGA-IB-8127-01A-11R-2404-07
ENSG00000000003 2212    5047
ENSG00000000005 39  2
ENSG00000000419 1571    3337
ENSG00000000457 1046    1832
ENSG00000000460 441 512
ENSG00000000938 1059    1935
ENSG00000000971 4628    8834
ENSG00000001036 2388    3976
ENSG00000001084 1385    3352
ENSG00000001167 1395    4373
ENSG00000001460 484 913
ENSG00000001461 1741    4199

文件2.csv

gene_symbol entrezgene
ENSG00000000003 7105
ENSG00000000005 64102
ENSG00000000419 8813
ENSG00000000457 57147
ENSG00000000460 55732
ENSG00000000938 2268
ENSG00000000971 3075
ENSG00000001036 2519
ENSG00000001084 2729
ENSG00000001167 4800
ENSG00000001460 90529
ENSG00000001461 57185

我正在寻找以下输出

文件3.csv

gene_symbol entrezgene  TCGA-HZ-A4BH-01A-11R-A26U-07    TCGA-IB-8127-01A-11R-2404-07    TCGA-F2-7273-01A-11R-2156-07
ENSG00000000003 7105    2212    5047    3078
ENSG00000000005 64102   39  2   3
ENSG00000000419 8813    1571    3337    1876
ENSG00000000457 57147   1046    1832    1495
ENSG00000000460 55732   441 512 294
ENSG00000000938 2268    1059    1935    3323
ENSG00000000971 3075    4628    8834    23071
ENSG00000001036 2519    2388    3976    3715
ENSG00000001084 2729    1385    3352    3529
ENSG00000001167 4800    1395    4373    2996
ENSG00000001460 90529   484 913 772
ENSG00000001461 57185   1741    4199    4016

答案1

我认为 GNU Coreutilsjoin是你的命令:

join file2.csv file1.csv > file3.csv

如果您的 CSV 文件以逗号分隔而不是制表符分隔,请改用:

join -t, file2.csv file1.csv > file3.csv

答案2

尝试这个,

join <(sort -r file2.csv) <(sort -r file1.csv)  > file3.csv

相关内容