☰

根据单独文件中指定的范围选择多列行

tag-icon • tag-icon text-processing awk osx
根据单独文件中指定的范围选择多列行

我有两个文件：

文件1

ST4.03ch10 56000001 56500000
ST4.03ch11 34500001 35000000
ST4.03ch04 54500001 55000000
ST4.03ch12 500001 1000000

文件2

ST4.03ch12 56014301 56019800 0.163 基因 5.5
ST4.03ch12 56022401 56025300 0.419 基因 2.9
ST4.03ch12 671201 803500 1 基因 5.5
ST4.03ch12 671201 8035 00 1 基因 5.3
ST4.03ch12 671201 803500 1 基因 5.0
ST4.03ch12 447401 449500 0.038 基因 8.5
ST4。 03ch12 671201 803500 1 基因 9.5

编辑：在这里添加了我的部分真实数据，因为基于之前的示例数据创建的代码不能很好地处理真实数据。

我想根据以下三个条件选择并打印 file2 中与 file1 中的行之一匹配的行：

1. col1 of file2 = col1 of file1;  
2. col2 of file2 >/= col2 of file1, and  
3. col3 of file2 </= col3 of file1

我想做的是：文件 1 包含 col1 中的标识符（ST4.03chXX）以及 col2 （起点）和 col3 （终点）中相应的协调范围，并且我正在文件 2 中查找条目：
1) colA 中的标识符与文件 1 和 2 中的标识符相匹配
) 的起始和结束坐标（colB 和 colC）落在文件 1 中相应标识符的范围内

预期输出：

ST4.03ch12 671201 803500 1 基因 5.5
ST4.03ch12 671201 803500 1 基因 5.3
ST4.03ch12 671201 803500 1 基因 5.0
ST4.03ch12 671201 803500 1 基因 9.5

实际的文件（尤其是文件 2）非常大，所以我希望使用 完成工作awk，但如果需要的话循环也可以。

答案1

你可以尝试这样的事情：

awk 'NR==FNR{z[$1]?z[$1]=z[$1]"|"$2"|"$3:z[$1]=$2"|"$3;next}
{if ($1 in z){l=split(z[$1], k, "|");
{for (i=1;i<l;i+=2){if ($2>=k[i] && $3<=k[i+1]){print}}}}}' file1 file2

这会读取file1，用 a 连接第二个和第三个字段|并将其保存到一个数组中z（由第一个字段索引），然后读取file2并检查第一个字段是否在z- 如果是，则它会拆分z[1st field]为|并k[i]为它的每个奇数值i打印该行，如果第2场>=k[i]和第3场<=k[i+1]

相关内容