![基于公共列合并两个文件;对于文件 2 中不存在的变体添加 0,并在存在的变体中保留原始值](https://linux22.com/image/189026/%E5%9F%BA%E4%BA%8E%E5%85%AC%E5%85%B1%E5%88%97%E5%90%88%E5%B9%B6%E4%B8%A4%E4%B8%AA%E6%96%87%E4%BB%B6%EF%BC%9B%E5%AF%B9%E4%BA%8E%E6%96%87%E4%BB%B6%202%20%E4%B8%AD%E4%B8%8D%E5%AD%98%E5%9C%A8%E7%9A%84%E5%8F%98%E4%BD%93%E6%B7%BB%E5%8A%A0%200%EF%BC%8C%E5%B9%B6%E5%9C%A8%E5%AD%98%E5%9C%A8%E7%9A%84%E5%8F%98%E4%BD%93%E4%B8%AD%E4%BF%9D%E7%95%99%E5%8E%9F%E5%A7%8B%E5%80%BC.png)
我想合并两个文件,它们共享一些共同的数据。文件 1 包含多个文件 2。我想按照文件 1 的顺序根据共享列 (3) 合并文件,并且当文件 2 中不存在该变量时,我想将 0 添加到第 5 列 (AN1),如果存在,添加 AN1 的原始值(0 或 1)。
我的文件如下所示:文件 1
CHR BP SNP CM base
20 61098 rs6078030 -0.00024510777 1
20 61795 rs4814683 0 1
20 63231 rs6076506 0.0005026053 1
20 63244 rs6139074 0.00050714752 1
文件2
CHR BP SNP CM AN1
20 9836704 rs221007 0 1
20 9817032 rs221011 0 0
20 9764069 rs2206484 0 0
20 9639395 rs4816159 0 1
我想根据第 3 列 (SNP) 来匹配它们。我想暂时保留所有其他列。
我想要的输出如下所示(当 rsX 不存在时为 0,或者当 AN1 的原始值为 0 时):
文件3
CHR BP SNP CM base AN1
20 61098 rs6078030 -0.00024510777 1 1
20 61795 rs4814683 0 1 0
20 63231 rs6076506 0.0005026053 1 0
20 63244 rs6139074 0.00050714752 1 1
我需要根据新的情况修改这段代码:
awk 'NR==FNR{ snp[$3]; next }
{ $6=($3 in snp)?(FNR==1?"AN1":"1"):"0" }1' file2 file1
这里,当文件 1 中存在 rsX 时,我打印 1。我想打印 AN1 的原始值(0 或 1)
答案1
awk 'NR==FNR{ snp[$3]=$NF; next }
{ $6=($3 in snp)?(FNR==1?"AN1":snp[$3]):"0" }1' file2 file1
事情在awk
:
NR
:到目前为止看到的输入记录总数。
FNR
:当前输入文件中的输入记录号,下一个输入文件将重置为1。
因此,仅对于第一个输入文件,条件始终为真,并且当条件为真时,将执行NR==FNR
以下块,并且我们确实将最后一列值保存到NR==FNR { ... }
$NF
awk以列为键的snp
数组。$3
next
陈述原因awk跳过执行其余代码并重新开始,如果NF==FNR
仍然为真,它将重复处理该块,直到读取第一个输入文件的所有记录/行。
$6
然后在下一个块中,我们使用以下条件添加/更新列的值:
- 如果 file1 中的第 3 列设置在
snp
file2 的数组中,则执行以下操作:- 如果它是第一行,则将其值设置为
AN1
- 如果不是第一行,则将其值设置为从
snp[$3]
大批。
- 如果它是第一行,则将其值设置为
- 否则设置为
0
。
这awk伊多姆1
毕竟用来打印结果。