将两个文件合并为一列

时间:2014-12-29 19:39:36

标签: unix merge annotations

我有两个文件

$ wc -l new_bacteria.txt 
28633861 new_bacteria.txt

$ wc -l allin1_trinity_bacteria_blastx.tsv 
4352 allin1_trinity_bacteria_blastx.tsv

$ head new_bacteria.txt
gi|406035365|ref|ZP_11042729.1| Acinetobacter parvus
gi|406035366|ref|ZP_11042730.1| Acinetobacter parvus
gi|406035367|ref|ZP_11042731.1| Acinetobacter parvus
gi|406035368|ref|ZP_11042732.1| Acinetobacter parvus
gi|406035369|ref|ZP_11042733.1| Acinetobacter parvus
gi|406035370|ref|ZP_11042734.1| Acinetobacter parvus
gi|406035371|ref|ZP_11042735.1| Acinetobacter parvus
gi|406035372|ref|ZP_11042736.1| Acinetobacter parvus
gi|406035373|ref|ZP_11042737.1| Acinetobacter parvus
gi|406035374|ref|ZP_11042738.1| Acinetobacter parvus

$ head allin1_trinity_bacteria_blastx.tsv

c91_g1_i1   gi|46447089|ref|YP_008454.1|    39.60   101 59  1   306 4   1676    1774    6e-11   68.2
c146_g1_i1  gi|357399595|ref|YP_004911520.1|    39.53   86  47  2   246 4   49  134 5e-06   52.0
c202_g1_i1  gi|508605652|ref|YP_006991274.2|    62.16   37  14  0   154 44  49  85  3e-06   45.4
c202_g1_i1  gi|508605652|ref|YP_006991274.2|    63.16   19  7   0   201 145 33  51  3e-06   27.7
c202_g1_i1  gi|508605652|ref|YP_006991274.2|    76.92   13  3   0   242 204 20  32  3e-06   21.6
c224_g1_i1  gi|395217261|ref|ZP_10401556.1| 72.62   84  23  0   260 9   274 357 6e-38     144
c230_g1_i1  gi|261381445|ref|ZP_05986018.1| 57.50   40  17  0   248 129 57  96  2e-09   45.8
c230_g1_i1  gi|261381445|ref|ZP_05986018.1| 50.00   42  19  1   120 1   101 142 2e-09   41.2
c294_g1_i1  gi|298242911|ref|ZP_06966718.1| 37.33   75  46  1   14  238 814 887 3e-07   56.2
c304_g1_i1  gi|296393792|ref|YP_003658676.1|    42.86   56  32  0   56  223 17  72  6e-06   51.2

我想通过allin1_trinity_bacteria_blastx.tsv的第二列合并这两个文件。我希望输出一个文件具有相同数量的这个tsv文件的行,因为另一个文件非常大。

这在R中很容易,但是从那以后我的注释文件(new_bacteria.txt)真的很大。我正在考虑使用unix merge。但是,如何使输出仅包含我想要在tsv文件中的列,但不包含new_bacteria.txt文件中的所有留言?

谢谢!

1 个答案:

答案 0 :(得分:0)

  

我正在考虑使用unix merge。但是我怎样才能输出   只包含我想要在tsv文件中的列,但不是全部   留在new_bacteria.txt文件中?

确实有一个名为merge的程序,但是尽管名称与R的merge()函数匹配,但其目的(将原始文件的单独更改组合在一起)并不是您所需要的;你宁可使用join。请注意,必须在连接字段上对文件进行排序。示例脚本在加入之前对两个文件进行排序;如果new_bacteria.txt已经排序,您可以使用它而不是sorted.txt;如果你想在allin1_trinity_bacteria_blastx.tsv上运行多个联接,那么将其排序一次并重用sorted.tsv可能是值得的。

sort -k2b allin1_trinity_bacteria_blastx.tsv >sorted.tsv
sort                        new_bacteria.txt >sorted.txt
join -1 2 sorted.tsv sorted.txt