Question

我想基于一列匹配两个文件并组合匹配的行。但其中一个文件（file1.txt）具有相同的条目不止一次。举个例子：

FILE1.TXT

chr:123 a
chr:123 b
chr:456 a

FILE2.TXT

chr:123 aa
chr:456 bb

我想根据第一列提取索引。

最终输出应如下所示：

chr:123 a aa
chr:123 b aa
chr:456 a bb

我尝试在R上相交，但是当file1.txt多次具有相同的条目时，无法弄清楚如何组合匹配的行。我使用两个for循环，但文件非常大，需要很多时间。

在perl或R中有更快的方法吗？

Answer 1

试试这个：

one <- data.frame(
id=c("chr:123","chr:123","chr:456"),
value=c("a","b","a")
)

two <- data.frame(
id=c("chr:123","chr:456"),
value=c("aa","bb")
)

merge(one,two,by="id",all.x=TRUE)

#result
       id value.x value.y
1 chr:123       a      aa
2 chr:123       b      aa
3 chr:456       a      bb

Answer 2

这是另一种选择：

use Modern::Perl;

my %file1Hash;

open my $file1, "<file1.txt" or die $!;
do { my ( $key, $value ) = split; push @{ $file1Hash{$key} }, $value }
  for <$file1>;
close $file1;

open my $file2, "<file2.txt" or die $!;
do {
    my ( $key, $value ) = split;
    do { say "$key $_ $value" for @{ $file1Hash{$key} } } if $file1Hash{$key};
  }
  for <$file2>;
close $file2;

输出：

chr:123 a aa
chr:123 b aa
chr:456 a bb

基于列匹配组合两个文件 - 其中一个文件列具有多个相同的条目

2 个答案: