將列從一個tsv文件添加到另一個（unix）

Question

我有兩個tsv文件，每個文件都有標題和列。文件A具有標題：SampleID & RawReads，FileB具有標題：SampleID & ReadsPost。我想將ReadsPost附加到FileA，以便數據與正確的SampleID對齊。

我原來的計劃是在Python中使用字典來完成此操作，其中鍵是sampleID。但是，在bash中必須有一個更簡單的方法來做到這一點！

任何幫助將是偉大的！

Answer 1

使用join，做一個全外連接（或任何其他類型的連接）：

>cat test.txt test2.txt 
SampleID RawReads 
1   18 
2   15 
5   21 
7   7 
SampleID  ReadsPost 
1   yes 
3   no 
4   yes 
5   yes 

> join -a1 -a2 test.txt test2.txt 
SampleID RawReads ReadsPost 
1 18 yes 
2 15 
3 no 
4 yes 
5 21 yes 
7 7 

注：從沒有加入文件中的-a參數打印線。爲了完成一個完整的外連接，從兩個文件中打印行，如示例所示。

Answer 2

使用pandas.read_csv加載您的數據，您可能必須爲製表符分隔的工作表設置sep='\t'。一旦你有兩個DataFrames加載，你可以使用pandas.concat或pandas.merge。請參閱Pandas文檔中的Merge, join, and concatenate。

比方說，你的兩個TSV」是這樣的：

文件1：

SampleID  RawReads 
1   18 
2   15  
5   21  
7   7  

文件2：

SampleID  ReadsPost 
1   yes 
3   no 
4   yes 
5   yes 

使用合併

合併可以被用來實現兩個DataFrame上的數據庫樣式連接。在我們的例子中，我們可以看到兩個DataFrame在SampleID列中不一致。如果我們要確保從兩個幀中獲得所有數據，我們將使用outer連接。如果我們只需要一個或另一個的數據，我們可以使用right或left加入，這取決於我們想要保留的內容。這是一個保持一切的例子。

df1 = pd.read_csv(file1, sep='\t') 
df2 = pd.read_csv(file2, sep='\t') 
merge_df = pd.merge(df1, df2, how='outer', on='SampleID') 
print(merge_df) 
    SampleID RawReads ReadsPost 
0   1  18.0  yes 
1   2  15.0  NaN 
2   5  21.0  yes 
3   7  7.0  NaN 
4   3  NaN  no 
5   4  NaN  yes 

使用的毗連

的毗連可用於沿任行或列軸線延伸DataFrames。假設SampleID是您的索引，並且您只是想將file2中的值沿列軸連接到file1。例如：

df1 = pd.read_csv(file1, sep='\t', index_col='SampleID') 
df2 = pd.read_csv(file2, sep='\t', index_col='SampleID') 
concat_df = pd.concat([df1, df2], axis=1) 
print(concat_df) 
      RawReads ReadsPost 
SampleID 
1    18.0  yes 
2    15.0  NaN 
3    NaN  no 
4    NaN  yes 
5    21.0  yes 
7    7.0  NaN 

就像我說的閱讀熊貓文檔。這是一個非常強大的庫，也是在python中處理數據的好工具。