Une dos archivos con columnas coincidentes

11

File1.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

File2.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

File1.txt tiene dos columnas y File2.txt tiene cuatro columnas. Quiero unir ambos archivos que tienen una identificación única (la matriz [1] debe coincidir en ambos archivos (file1.txt y file2.txt) y dar a la salida solo la identificación coincidente (ver output.txt).

He tratado join -v <(sort file1.txt) <(sort file2.txt). Cualquier ayuda con awk o unirse a los comandos solicitados.

awk join

— Jack
fuente

18

join Funciona genial:

$ 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

PD. ¿Importa el orden de las columnas de salida?

en caso afirmativo use:

$ 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

— prisa
fuente

Funciona genial. el orden de las columnas no importa

— jack

¿Cuál es la razón para incluir tac?

— Michael Mrozek

Eso es porque sortcoloca la cadena del encabezado al final. En realidad es una solución sucia. Y en general, el encabezado del caso puede ir al centro de la salida. Sin embargo funciona aquí.

— prisa el

10

Una forma de usar awk:

Contenido de 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 ] ) 
    }   
}

Ejecútalo como:

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

Con el siguiente resultado:

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

— Birei
fuente

+65535 para mantener el orden de línea original. :-)

— zeekvfu

+65535 para mantener el orden de línea original. :-)

— zeekvfu