Połącz dwa pliki z pasującymi kolumnami

11

Plik1.txt

    id                            No
    gi|371443199|gb|JH556661.1| 7907290
    gi|371443198|gb|JH556662.1| 7573913
    gi|371443197|gb|JH556663.1| 7384412
    gi|371440577|gb|JH559283.1| 6931777

Plik2.txt

 id                              P       R       S
 gi|367088741|gb|AGAJ01056324.1| 5       5       0
 gi|371443198|gb|JH556662.1|     2       2       0
 gi|367090281|gb|AGAJ01054784.1| 4       4       0
 gi|371440577|gb|JH559283.1|     21      19      2

output.txt

 id                              P       R       S  NO
 gi|371443198|gb|JH556662.1|     2       2       0  7573913
 gi|371440577|gb|JH559283.1|     21      19      2  6931777

Plik1.txt ma dwie kolumny, a Plik2.txt ma cztery kolumny. Chcę połączyć oba pliki, które mają unikalny identyfikator (tablica [1] powinna pasować do obu plików (plik1.txt i plik2.txt) i dać ouput tylko pasujący identyfikator (patrz output.txt).

Próbowałem join -v <(sort file1.txt) <(sort file2.txt). Wymagana jakakolwiek pomoc dotycząca poleceń awk lub join.

Jacek
źródło

Odpowiedzi:

18

join działa świetnie:

$ join <(sort File1.txt) <(sort File2.txt) | column -t | tac
 id                           No       P   R   S
 gi|371443198|gb|JH556662.1|  7573913  2   2   0
 gi|371440577|gb|JH559283.1|  6931777  21  19  2

ps. czy kolejność kolumn wyjściowych ma znaczenie?

jeśli tak, użyj:

$ join <(sort 1) <(sort 2) | tac | awk '{print $1,$3,$4,$5,$2}' | column -t
 id                           P   R   S  No
 gi|371443198|gb|JH556662.1|  2   2   0  7573913
 gi|371440577|gb|JH559283.1|  21  19  2  6931777
wysypka
źródło
działa świetnie. kolejność kolumn nie ma znaczenia
jack
Jaki jest powód włączenia tac?
Michael Mrozek
To dlatego, że sortumieszcza ciąg nagłówka na końcu. Właściwie to brudne rozwiązanie. I w ogólnym przypadku nagłówek może przejść na środek wyniku. Jednak tutaj działa.
pędzi
11

Jeden sposób przy użyciu awk:

Treść script.awk:

## Process first file of arguments. Save 'id' as key and 'No' as value
## of a hash.
FNR == NR {
    if ( FNR == 1 ) { 
        header = $2
        next
    }   
    hash[ $1 ] = $2
    next
}

## Process second file of arguments. Print header in first line and for
## the rest check if first field is found in the hash.
FNR < NR {
    if ( $1 in hash || FNR == 1 ) { 
        printf "%s %s\n", $0, ( FNR == 1 ? header : hash[ $1 ] ) 
    }   
}

Uruchom to jak:

awk -f script.awk File1.txt File2.txt | column -t

Z następującym wynikiem:

id                           P   R   S  NO
gi|371443198|gb|JH556662.1|  2   2   0  7573913
gi|371440577|gb|JH559283.1|  21  19  2  6931777
Birei
źródło
+65535 za utrzymanie oryginalnej kolejności linii. :-)
zeekvfu
+65535 za utrzymanie oryginalnej kolejności linii. :-)
zeekvfu