☰

如何匹配两个文件中的字符串并替换字符串？

tag-icon • tag-icon awk
如何匹配两个文件中的字符串并替换字符串？

我有一个这样的文件：（有 308545 行）

head output11.frq
 CHR               SNP   A1   A2          MAF  NCHROBS
   1      1:775852:T:C    T    C       0.1707     3444
   1     1:1120590:A:C    C    A      0.08753     3496
   1     1:1145994:T:C    C    T       0.1765     3496
   1     1:1148494:A:G    A    G       0.1059     3464
   1     1:1201155:C:T    T    C      0.07923     3496
...

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
1,1201155,SNP_A-2205441,ss66174584,rs4245756,36.2,C,T,C,T,A,CCAGTGCTTTCAACCA[C/T]ACTCACTTTTCACTGT,Sty,+,+,n,,,127,phs000018
...

我想将 output11.frq 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.frq 的结果将如下所示：

1      rs2980300    T    C       0.1707     3444
1      rs4245756    T    C      0.07923     3496

我尝试这样做，但我得到了空文件：

vi 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='\t' output11.frq  > output11X.frq

编辑：

我尝试运行这个：

 vi test2.awk
 NR==FNR { map[$2]=$5 }
 NR!=FNR { split($4, x, ":"); if(x[2] in map){ $4=map[x[2]]; print }}

awk -f test2.awk FS=',' marker-info FS='\t' output11.frq > output11X.frq

但我得到了这个：

head output11X.frq
 CHR               SNP   A1   A2          MAF  NCHROBS   rs41340551
   1      1:775852:T:C    T    C       0.1707     3444   rs41340551
   1     1:1120590:A:C    C    A      0.08753     3496   rs41340551
   1     1:1145994:T:C    C    T       0.1765     3496   rs41340551
...

答案1

您的脚本的问题是您尝试使用字符串作为11:775852:T:C映射中的键，其键的格式为775852.

自从您在评论中提到您认为不需要它以来，我已经省略了此处理中的第一列。

NR==FNR { map[$2]=$5 }
NR!=FNR { split($2, x, ":"); if(x[2] in map){ $2=map[x[2]]; print }}

我曾经split获取字符串的相关部分并添加条件，因为在处理该子字符串之前，无法执行所需的查找。

这似乎按要求执行：

[gnubeard@mothership: ~/dna]$ awk -f test.awk FS=',' marker-info FS=' ' output11.frq
 1  rs2980300 T C 0.1707 3444
 1  rs4245756 T C 0.07923 3496

确保您拥有的字段与您认为拥有的列对齐。如果您希望输出以制表符分隔，则可以OFS在脚本的后半部分设置变量，如下所示：NR!=FNR { OFS="\t"; split($2, x, ":"); if(x[2] in map){ $2=map[x[2]]; print }}

编辑：我已更改FS命令中的变量，以将 output11.frq 的分隔符更改为空格。这将防止对选项卡数量的繁琐操作。

相关内容