比較多個文件中的值

Question

我有兩個文件，每個文件有3列和n行（每個文件中行數不同）。

每個看起來像這樣：

file1 
chr1 12 32 
chr1 14 30 
chr3 10002 89000 
chrx 5678900 987654 

和這樣的：

file2 
chr1 8 15 
chr1 10 14 
chr1 32 34 

每個文件中的第二和第三列表示開始和結束的值，而第一列是一個名稱。因此，如果（文件1的）第一列中的值與文件2的第一列中的值相匹配，那麼腳本應該計算它們是否存在重疊（第2列中的值範圍的重疊程度和文件2中第2列和第3列中的值範圍在文件1中的3）和文件2中文件1的第2列和第3列中值的範圍。

像這樣的輸出需要：

regions from file1 present in file 2 

chr1 12 32 present 
chr1 14 30 present 
chr3 10002 89000 absent 
chrx 5678900 987654 absent 

awk的操縱或者python腳本有什麼建議？請幫助。

Answer 1

1. 讀file2以創建映射：名稱 - >的時間間隔，即，其結果是：ranges = {'chr1': [[8, 15], [10, 14], [32, 34]]}。如果每個名稱有很多間隔，那麼可以將它們合併爲：ranges = {'chr1': [[8, 15], [32, 34]]}。

2. 定義overlap(r1, r2)函數返回兩個間隔r1和r2是否重疊。指定邊是否包含在重疊中。

3. 對於file1中的每一行，找出是否存在重疊並打印適當的輸出。