具有部分匹配圖案從一個不同的文件

Question

我有兩個文件具有類似的結構（製表符分隔的和許多行，第3個減去第2列= 1）增加一列，看起來有點像這樣：

文件1：

1 170023 170024 A - 
1 170024 170025 T - 
1 170026 170027 A - 
1 170028 170029 G - 
1 170029 170030 C - 
1 170031 170032 C - 

文件2：

1 170023 170024 A 
1 170024 170025 T 
1 170025 170026 G 
1 170026 170027 A 
1 170027 170028 G 
1 170028 170029 T 
1 170029 170030 A 
1 170030 170031 G 
1 170031 170032 C 

我想從文件加2列4（字母僅列），以文件1.這在一般情況下，很容易與pr或paste但問題是在兩個文件中列1-3不相同。換句話說，文件具有不同數量的行，並且文件2總是比文件1多（特別是，文件1中發現的列2和3中的所有數字也出現在文件2中，但是不是反之亦然）。我也知道如何在R中完成它，但是這些文件太大而無法在R中輕鬆處理，而且我需要爲十幾個文件完成任務。所以我想，bash或者任何命令行軟件都是解決這個問題的最有效的方法。

我確實想要做的就是添加文件2中第4列的字母，當且僅當文件2中的第1-3列完全匹配第1個文件中的第1-3列。由此，也沒有關係在4列和文件1.基於文件1的實施例的5發生什麼符號和上述文件2，所期望的輸出將是：

輸出：

1 170023 170024 A - A 
1 170024 170025 T - T 
1 170026 170027 A - A 
1 170028 170029 G - T 
1 170029 170030 C - A 
1 170031 170032 C - C 

我如果有人能幫助我，我會很高興。非常感謝您提前！

Answer 1

我可以考慮並提供一個簡單的解決方案，使用join和awk。可能不是最有效的方法來解決它awk（可能會從專家爲此:)），但我能夠解決這個問題。

解決方案 - 1 -

所有你需要做的，是先用join不指定任何特定列加入上。它會根據常見的重複性列自動加入文件，在這種情況下，列爲1。然後在該輸出上，我們可以讓awk播放以打印符合您需要的那些行並格式化所需的列。

join file1 file2 | awk '{ if (($2==$6) && ($3==$7)) printf("%s %s %s %s %s %s\n", $1, $2, $3, $4, $5, $8) }' 

製作我的輸出作爲

1 170023 170024 A - A 
1 170024 170025 T - T 
1 170026 170027 A - A 
1 170028 170029 G - T 
1 170029 170030 C - A 
1 170031 170032 C - C 

解決方案2： -

只使用純join

join -j 2 file1 file2 -o 1.1,1.2,1.3,1.4,1.5,2.4 

也會產生相同的輸出與您預期。

`join' writes to standard output a line for each pair of input lines that have identical join fields. 

上午引述爲join的man頁面內容如下

`-j FIELD' 
    Equivalent to `-1 FIELD -2 FIELD'. 

`-o FIELD-LIST' 

Otherwise, construct each output line according to the format in 
FIELD-LIST. Each element in FIELD-LIST is either the single 
character `0' or has the form M.N where the file number, M, is `1' 
or `2' and N is a positive field number. 

所以命令工作首先由通過柱2加入file1和file2和打印從看到的輸出，所指示的所要求的列（ 1.1，1.2,1.3, 1.4, 1.5, 2.4），其應被理解爲file。 column。爲了更好地理解，我建議首先看到沒有-o選項的輸出，以及我如何從所看到的輸出構建輸出。

解決方案-3： -

使用plain'ol awk，其實我學到了一點它自己，而回答這個問題。

awk 'FNR==NR{a[$1 FS $2 FS $3]=$4;next} (($1 FS $2 FS $3) in a) {print $0, a[$1 FS $2 FS $3]}' file2 file1 

說明： -

1. FNR==NR{a[$1 FS $2 FS $3]=$4;next}將上file2處理存儲陣列a的條目以標爲列1列2空間空間欄3和值作爲column4。

2. 現在在file1，我們需要做(($1 FS $2 FS $3) in a) {print $0, a[$1 FS $2 FS $3]}以匹配file2從陣列中的行，這將給我所有的行（我們需要column4的值）file1，其下標是同一個從file2。