bash-基于另一个文件中的值选择文件行

Question

我有2个文件；让我们称他们为file1和file2。File1在每一行中包含一个开始和结束坐标，例如：

start end
2000 2696
3465 3688
8904 9546

等。

file2有几列，其中第一个与问题最相关：

position v2 v3 v4
3546 value12 value13 value14
9847 value22 value23 value24
12000 value32 value33 value34

现在，我需要输出一个新文件，该文件仅包含"位置"值（第一列）在任何列的"启动"one_answers"端"值之间的file2行（第一列）文件1。在r中，我只需进行双循环，但是需要太多时间（文件很大），因此需要在bash中进行。如果问题不清楚，这是可以完成工作的R循环：

for(i in 1:dim(file1)[1]){
for(j in 1:dim(file2)[1]){
if(file2[j,1]>file1$start[i] & file2[j,1]<file1$end[i]) file2$select=1 else file2$select=0
}
} 

非常确定有一种简单的方法可以使用bash/awk ...

Answer 1

尴尬看起来像这样，但是您需要先从file1和file2删除第一行：

：

awk 'FNR==NR{x[i]=$1;y[i++]=$2;next}{for(j=0;j<i;j++){if($1>=x[j]&&$1<=y[j]){print $0}}}' file1 file2

" fnr == nr"之后的卷曲括号中的位仅适用于file1的处理，它说将field1存储在数组x []中，而field2则在数组y []中，因此我们具有每个的上限和下限范围。第二组卷发括号中的位仅适用于proding file2。它在数组x []和y []中的所有界限中迭代，然后查看field1是否在边界之间，并在整个重新分配之间打印。

。

如果您不想在开始时删除标题线，则可以使尴尬更加复杂，并像这样忽略它：

awk 'FNR==1{next}FNR==NR{x[i]=$1;y[i++]=$2;next}{for(j=0;j<i;j++){if($1>=x[j]&&$1<=y[j]){print $0}}}' file1 file2

编辑

好吧，我添加了代码以检查"染色体"（无论是什么！），假设它在两个文件中的第一个字段中，都这样：

file1

x 2000 2696
x 3465 3688
x 8904 9546

file2

x 3546 value12 value13 value14
y 3467 value12 value13 value14
x 9847 value22 value23 value24
x 12000 value32 value33 value34

因此，该代码现在也将染色体存储在阵列C []中，并在输出之前检查它们是相等的。

awk 'BEGIN{i=0}FNR==NR{c[i]=$1;x[i]=$2;y[i++]=$3;next}{for(j=0;j<i;j++){if(c[j]==$1&&$2>=x[j]&&$2<=y[j]){print $0;next}}}' file1 file2

Answer 2

不知道如何在bash中做到这一点...

我会尝试一个perl脚本，读取第一个文件并将其存储在内存中（如果可能的话，取决于其大小），然后按行浏览第二个文件，然后进行比较以输出线路是否输出线路。

我认为您也可以以r为...相同的方式：存储第一个文件，为第二个文件的每一行循环循环。

此外，如果间隔不重叠，则可以在文件上进行排序以加快算法。

Answer 3

这应该比 for loop

更快

res <- apply(file2, 1, function(row)
            {
            any(row$position > file1$start & row$position < file1$end)
            })

Answer 4

假设文件的定界符是空格（如果不是 - 更改-d估算）。

脚本使用cut提取文件2的第一个字段。然后，简单的GREP搜索File1中的字段。如果存在，则打印了File2的行。

#!/bin/bash
while read line
do
    word=$(echo $line | cut -f1 -d" ")
    grep -c $word file1 >/dev/null
    if [ $? -eq 0 ];then
       echo "$line"
    fi
done < file2