Question

我有两个文件，如下所示，以制表符分隔：

档案A

chr1   123 aa b c d
chr1   234 a  b c d
chr1   345 aa b c d
chr1   456 a  b c d
....

档案B

chr1   123    aa    c    d    e   ff
chr1   345    aa    e    f    g   gg
chr1   123    aa    c    d    e   hh
chr1   567    aa    z    c    a   ii
chr1   345    bb    x    q    r   kk
chr1   789    df    f    g    s   ff
chr1   345    sh    d    t    g   ll

...

我想基于2个键列“chr1”，“123”从文件B向文件A添加新列，即（前两列是键列）。如果两个文件中的键列匹配，则应将文件B中第7列中的数据添加到文件A中的第3列。

例如（chr1 123）键在文件B中找到两次，因此文件A中的第3列有ff，hh用逗号分隔。如果找不到密钥，则应该输入NA，输出应如下所示：输出：

chr1   123  ff,hh       aa    b    c    d   
chr1   234    NA        a     b    c    d
chr1   345  gg,kk,ll    aa   b    c    d
chr1   456    NA        a    b    c     d

我通常在R中这样做但是大型数据集需要花费大量时间。有人可以提供awk解决方案来加速任务吗？

Answer 1

尝试这个awk行：

awk -F'\t' -v OFS='\t' 'NR==FNR{a[$1FS$2]=a[$1FS$2]?a[$1FS$2]","$7:$7;next}
{$3=(($1FS$2 in a)?a[$1FS$2]:"NA")FS $3}7' fileB fileA

从两个文件中添加awk中的列

1 个答案: