我有 2 个 csv 文件(它们很大,并且没有足够的行数)。这里我仅提供具有相同行数的示例文件):
文件1:
NC_008689 2 NA NA NA NA
NC_002670 3 NA NA NA 186
NC_002671 9 NA NA NA 107
NC_009382 25 9 15 NA 100
NC_003977 45 92 535 NA 492685
文件2:
NC_008689 Siphoviridae,Biseptimavirus,Staphylococcus virus 108PVL
NC_002670 Siphoviridae,,Lactococcus phage bIL311
NC_002671 Siphoviridae,,Lactococcus phage bIL312
NC_009382 Myoviridae,Peduovirus,Ralstonia virus RSA1
NC_003977 Hepadnaviridae,Orthohepadnavirus,Hepatitis B virus
期望的输出:
Siphoviridae,Biseptimavirus,Staphylococcus virus 108PVL 2 NA NA NA NA
Siphoviridae,,Lactococcus phage bIL311 3 NA NA NA 186
Siphoviridae,,Lactococcus phage bIL312 9 NA NA NA 107
Myoviridae,Peduovirus,Ralstonia virus RSA1 25 9 15 NA 100
Hepadnaviridae,Orthohepadnavirus,Hepatitis B virus2 45 92 535 NA 492685
我试过:
awk 'FNR==NR { F2[$1]=$2 ; next } $1 in F2 {$1 = F2[$1] ; print } ' File2 File1
但结果我有:
Siphoviridae,Biseptimavirus,Staphylococcus 2 NA NA NA NA
Siphoviridae,,Lactococcus 3 NA NA NA 186
Siphoviridae,,Lactococcus 9 NA NA NA 107
Myoviridae,Peduovirus,Ralstonia 25 9 15 NA 100
Hepadnaviridae,Orthohepadnavirus,Hepatitis 45 92 535 NA 492685
File2 中的名称存在空格问题。
答案1
您可以使用join
第cut
一个字段:
join <(sort File2) <(sort File1) | cut -d' ' -f2-
或者只是join
添加-o
您想要打印的所有字段:
join -o 1.2,1.3,1.4,2.2,2.3,2.4,2.5,2.6 <(sort File2) <(sort File1)
答案2
尝试
awk 'FNR == NR { u=$1 ; $1="" ; F[u]=$0 ; }
$1 in F { $(NF +1) = F[$1] ; $1 = "" ; print }'
在哪里
$1 = ""
将删除(某种程度上)$1
的值。$(NF +1) = F[$1]
将 file1 的行追加到 file2 的末尾
答案3
使用以下命令进行测试,效果很好
for i in `cat file2|awk '{print $1}'`; do j=`sed -n '/'$i'/p' file2| awk '{print $2,$3,$4}'`; sed -i "s/$i/$j/g" file1; done
输出
Siphoviridae,Biseptimavirus,Staphylococcus virus 108PVL 2 NA NA NA NA
Siphoviridae,,Lactococcus phage bIL311 3 NA NA NA 186
Siphoviridae,,Lactococcus phage bIL312 9 NA NA NA 107
Myoviridae,Peduovirus,Ralstonia virus RSA1 25 9 15 NA 100
Hepadnaviridae,Orthohepadnavirus,Hepatitis B virus 45 92 535 NA 492685