☰

如何将一个文件中的字符串替换为另一个文件中的匹配项？

tag-icon • tag-icon awk sed
如何将一个文件中的字符串替换为另一个文件中的匹配项？

我有一个这样的文件：（有 308545 行）

head output11.bim
1   1:775852:T:C    0   775852  T   C
1   1:1120590:A:C   0   1120590 C   A
1   1:1145994:T:C   0   1145994 C   T
1   1:1148494:A:G   0   1148494 A   G
1   1:1201155:C:T   0   1201155 T   C
1   1:1468016:T:C   0   1468016 C   T
...

另一个文件 (marker-info) 包含前 24 行注释，并以逗号分隔，如下所示（总共 500593 行）：

1,742429,SNP_A-1909444,ss66079302,rs3094315,36.2,G,A,C,T,A,GCACAGCAAGAGAAAC[A/G]TTTGACAGAGAATACA,Sty,+,-,y,,,127,phs000018
1,769185,SNP_A-4303947,ss66273559,rs4040617,36.2,A,G,A,G,A,GCTGTGAGAGAGAACA[A/G]TGTCCCAATTTTGCCC,Sty,+,+,n,,,127,phs000018
1,775852,SNP_A-1886933,ss66317030,rs2980300,36.2,T,C,A,G,A,GAATGACTGTGTCTCT[C/T]TGAGTTAGTGAAGTCA,Nsp,-,+,y,,,127,phs000018
1,782343,SNP_A-2236359,ss66185183,rs2905036,36.2,C,T,C,T,A,CTCGATTTGTGTTCAA[C/T]ATATTTCATTTGTACC,Sty,-,-,n,,,127,phs000018
1,1120590,SNP_A-2205441,ss66174584,rs4245756,36.2,C,T,C,T,A,CCAGTGCTTTCAACCA[C/T]ACTCACTTTTCACTGT,Sty,+,+,n,,,127,phs000018
...

我想将 output11.bim 中的第二列替换为标记信息中的第五列，该第五列在第一列和第二列中具有匹配的值，因此对于本示例，output11.bim 的结果将如下所示：

1   rs2980300   0   775852  T   C
1   rs4245756   0   1120590 C   A

答案1

$ cat tst.awk
NR==FNR { map[$1,$2]=$5; next }
($1,$4) in map { $2=map[$1,$4]; print }

$ awk -f tst.awk FS=',' marker-info FS=' ' output11.bim
1 rs2980300 0 775852 T C
1 rs4245756 0 1120590 C A

或者如果您希望将 FS 设置为脚本中的 2 个单独的值：

$ cat tst.awk
BEGIN { FS="," }
NR==FNR { map[$1,$2]=$5; next }
FNR==1 { FS=" "; $0=$0 }
($1,$4) in map { $2=map[$1,$4]; print }

$ awk -f tst.awk marker-info output11.bim
1 rs2980300 0 775852 T C
1 rs4245756 0 1120590 C A

相关内容