如何在 unix 中基于一个公共列合并两个 .txt 文件。 Unix

Question

我有两个 .txt 文件。文件 1.txt 和文件 2.txt。如何在 unix 中基于一个公共列合并这两个文件（可能与 awk 一起使用）。

File1.txt 看起来像

Sub_ID  Sam_ID   v1              
1878372 2253734 SAMN06396112           
1883177 2264293 SAMN06414028          
1884646 2275341 SAMN06432785         
1860945 2277481 SAMN06407597  

File2.txt 看起来像

Sam_ID  code    V3      V4 
2253734 20481   NA      DNA   
2275341 20483   NA      DNA    
2277481 20488   NA      DNA   

合并后的最终输出文件应该是这样的

Finalfile.txt

Sub_ID  Sam_ID   v1               code   V3      V4
1878372 2253734 SAMN06396112     20481   NA      DNA                
1884646 2275341 SAMN06432785     20483   NA      DNA     
1860945 2277481 SAMN06407597     20488   NA      DNA  

到目前为止，我已经尝试过加入，但可能是我没有完全理解该命令（对 unix 来说是新手）。

sort -k2b File1.txt >sorted_file1.txt 
sort File2.txt >sorted_file2.txt 
join -1 2 sorted_file1.txt sorted_file2.txt > Finalfile.txt

我知道，通过 k2b，我指定 File_1 的第二列在两个列之间通用，然后合并。

Answer 1

这个awk 应该是合并任务的工作文件：

awk 'FNR==NR {map[$2] = $0; next} {print map[$1], $0}' File1.txt File2.txt | column -t

Sub_ID   Sam_ID   v1            Sam_ID   code   V3  V4
1878372  2253734  SAMN06396112  2253734  20481  NA  DNA
1884646  2275341  SAMN06432785  2275341  20483  NA  DNA
1860945  2277481  SAMN06407597  2277481  20488  NA  DNA

column -t 仅用于表格输出。

PS：如果在 File1 中找不到 File2 的第一列，那么您将在输出中获得前导空格。

Answer 2

使用 cut grep 和 pr 以及来自 bash 的 ProcSub。

pr -mt <(grep -Fv 1883177 file1.txt) <(cut -d' ' -f2- file2.txt)

---

输出

Sub_ID  Sam_ID   v1                  code    V3      V4
1878372 2253734 SAMN06396112        20481   NA      DNA
1884646 2275341 SAMN06432785        20483   NA      DNA
1860945 2277481 SAMN06407597        20488   NA      DNA

---

或paste

paste -d' ' <(grep -Fv 1883177 file1.txt) <(cut -d' ' -f2- file2.txt) | column -t > Finalfile.txt

Answer 3

感谢您添加自己的尝试来解决问题 - 它使故障排除变得更加容易。

这个答案有点复杂，但这里有一个潜在的解决方案（GNU 加入）：

join -t $'\t' -1 2 -2 1 <(head -n 1 File1.txt && tail -n +2 File1.txt | sort -k2,2 ) <(head -n 1 File2.txt && tail -n +2 File2.txt | sort -k1,1)

#Sam_ID Sub_ID  v1  code    V3  V4
#2253734    1878372 SAMN06396112    20481   NA  DNA
#2275341    1884646 SAMN06432785    20483   NA  DNA
#2277481    1860945 SAMN06407597    20488   NA  DNA

解释：

• join 使用单个字符作为分隔符，所以不能使用"\t"，但可以使用$'\t'（据我所知）
• -1 2 和 -2 1 在合并文件时表示“对于第一个文件，使用第二个字段”和“对于第二个文件，使用第一个字段”
• 在每个子进程 (<()) 中，按 Sam_ID 列对文件进行排序，但从排序中排除标题（根据 Is there a way to ignore header lines in a UNIX sort?）

编辑

要指定输出中列的顺序（将 Sub_ID 放在 Sam_ID 之前），您可以使用 -o 选项，例如

join -t $'\t' -1 2 -2 1 -o 1.1,1.2,1.3,2.2,2.3,2.4 <(head -n 1 File1.txt && tail -n +2 File1.txt | sort -k2,2 ) <(head -n 1 File2.txt && tail -n +2 File2.txt | sort -k1,1)

#Sub_ID Sam_ID  v1  code    V3  V4
#1878372    2253734 SAMN06396112    20481   NA  DNA
#1884646    2275341 SAMN06432785    20483   NA  DNA
#1860945    2277481 SAMN06407597    20488   NA  DNA