我的两个文件如下所示:
文件 1:
18 1600000 + CAA 0 1
18 1600000 - CAC 0 11
18 1600000 - CAC 0 3
18 1600000 - CAC 0 5
18 1600001 - CAA 0 11
18 1600001 + CCC 0 1
18 1600001 - CCC 0 3
18 1600002 - CAT 0 1
18 1600002 - CAT 0 3
文件 2:
18 1600000 + CGG 6 6
18 1600000 - CGT 0 2
18 1600001 - CCC 0 3
18 1600001 + CGG 0 11
18 1600001 - CGG 9 9
18 1600002 - CAT 0 1
18 1600002 - CAT 0 3
18 1600002 + CAT 0 6
18 1600002 + CCA 0 5
我想根据第 2 列join
这两个文件,但在不匹配的地方放置一个 NULL 值。在文件 1 中有 4 行,有 1600000,文件 2 中只有 2 行。所以我希望输出如下所示:
18 1600000 + CAA 0 1 1600000 + CGG 6 6
18 1600000 - CAC 0 11 1600000 - CGT 0 2
18 1600000 - CAC 0 3
18 1600000 - CAC 0 5
18 1600001 - CAA 0 11 1600001 - CCC 0 3
18 1600001 + CCC 0 1 1600001 + CGG 0 11
18 1600001 - CCC 0 3 1600001 - CGG 9 9
18 1600002 - CAT 0 1 1600002 - CAT 0 3
18 1600002 - CAT 0 3 1600002 + CAT 0 6
1600002 + CCA 0 5
....
我相信 join
命令可能是一个问题,因为它只使用 1 个文件作为模板。因此,如果文件2中有额外的值,我认为这些值会丢失。因此,更复杂的awk
论点可能效果更好。每个文件都有一些其他文件没有的行。
像这样使用awk
:
awk 'NR==FNR{sub(/^[^[:blank:]]+[[:blank:]]+/, ""); a[$1,++c[$1]]=$0; next}
{print $0, a[$2,++d[$2]]}' OFS='t' file2 file1
输出:
18 1600000 + CAA 0 1 1600000 + CGG 6 6
18 1600000 - CAC 0 11 1600000 - CGT 0 2
18 1600000 - CAC 0 3
18 1600000 - CAC 0 5
18 1600001 - CAA 0 11 1600001 - CCC 0 3
18 1600001 + CCC 0 1 1600001 + CGG 0 11
18 1600001 - CCC 0 3 1600001 - CGG 9 9
18 1600002 - CAT 0 1 1600002 - CAT 0 1
18 1600002 - CAT 0 3 1600002 - CAT 0 3
此 awk 命令使用具有复合键的关联数组作为2nd column + an incrementing counter per 2nd column value
。 sub
函数用于从第 2 个文件中丢弃第 1 列的值,因为输出中不需要该值。