当两个文件的 1 列中存在匹配时,将两个文件之间的值替换为 file2(第二列)中的值

当两个文件的 1 列中存在匹配时,将两个文件之间的值替换为 file2(第二列)中的值

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joincut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

相关内容