我有一个脚本,它接受大量具有相同布局但数据不同的数据文件,并将指定的数据列合并到一个新文件中,如下所示:
gawk '{
names[$1]= 1;
data[$1,ARGIND]= $2
} END {
for (i in names) print i"\t"data[i,1]"\t"data[i,2]"\t"data[i,3]
}' $1 $2 $3 > combined_data.txt
...可以在第一列中找到行ID,在第二列中找到感兴趣的数据。
这很好用,但不适用于任意数量的文件。虽然我可以在最后一行添加$4 $5 ... $n
,直到我认为我需要的最大文件数,并在上面的行中添加相等n
量的"\t"data[i,4]"\t"data[i,5] ... "\t"data[i,n]
(这似乎对小于n
的文件有用; awk似乎忽略了n
大于这些情况下的输入文件数),这看起来像是一个“丑陋”的解决方案。有没有办法使这个脚本(或给出相同结果的东西)采用任意数量的输入文件?
或者,更好的是,你能以某种方式在其中加入find
,搜索子文件夹并找到符合某些标准的文件吗?
以下是一些示例数据:
file.1中
A 554
B 13
C 634
D 84
E 9
file.2中:
C TRUE
E TRUE
F FALSE
预期产出:
A 554
B 13
C 634 TRUE
D 84
E 9 TRUE
F FALSE
答案 0 :(得分:3)
这可能是您正在寻找的(使用GNU awk作为ARGIND就像您的原始脚本一样):
$ cat tst.awk
BEGIN { OFS="\t" }
!seen[$1]++ { keys[++numKeys]=$1 }
{ vals[$1,ARGIND]=$2 }
END {
for (rowNr=1; rowNr<=numKeys; rowNr++) {
key = keys[rowNr]
printf "%s%s", key, OFS
for (colNr=1; colNr<=ARGIND; colNr++) {
printf "%s%s", vals[key,colNr], (colNr<ARGIND?OFS:ORS)
}
}
}
$ awk -f tst.awk file1 file2
A 554
B 13
C 634 TRUE
D 84
E 9 TRUE
F FALSE
如果您不关心输出行的顺序,那么您只需要:
BEGIN { OFS="\t" }
{ vals[$1,ARGIND]=$2; keys[$1] }
END {
for (key in keys) {
printf "%s%s", key, OFS
for (colNr=1; colNr<=ARGIND; colNr++) {
printf "%s%s", vals[key,colNr], (colNr<ARGIND?OFS:ORS)
}
}
}
答案 1 :(得分:0)
您可以通过ARGV列表上的重定向getline访问任意数量的文件(绕过awk的默认文件处理(通过BEGIN并退出)):
awk 'BEGIN {
for(i=1;i<=ARGC;++i){
while (getline < ARGV[i]) {
...
}
}
<END-type code>
exit}' $(find -type f ...)
答案 2 :(得分:0)
假设输入文件的这个命名方案:1
2
....
gawk '{
names[$1]=$1
data[$1,ARGIND]=$2
}
END {
for (i in names) {
printf("%s\t",i)
for (x=1;x<=ARGIND;x++) {
printf("%s\t", data[i,x])
}
print ""
}
}' [0-9]* > combined_data.txt
结果:
A 554
B 13
C 634 TRUE
D 84
E 9 TRUE
F FALSE
答案 3 :(得分:0)
使用join
,bash
,awk
和tr
,file1
,file2
,file3
等的另一种解决方案。排序
<强> multijoin.sh 强>
#!/bin/bash
function __t {
join -a1 -a2 -o '1.1 2.1 1.2 2.2' - "$1" |
awk -vFS='[ ]' '{print ($1!=""?$1:$2),$3"_"$4;}';
}
CMD="cat '$1'"
for i in `seq 2 $#`; do
CMD="$CMD | __t '${@:$i:1}'";
done
eval "$CMD | tr '_' '\t' | tr ' ' '\t'";
或,递归版
#!/bin/bash
function __t {
join -a1 -a2 -o '1.1 2.1 1.2 2.2' - "$1" |
awk -vFS='[ ]' '{print ($1!=""?$1:$2),$3"_"$4;}';
}
function __r {
if [[ "$#" -gt 1 ]]; then
__t "$1" | __r "${@:2}";
else
__t "$1";
fi
}
__r "${@:2}" < "$1" | tr '_' '\t' | tr ' ' '\t'
注意:数据不能包含字符_
,这被用作通配符
你明白了,
./multijoin file1 file2
A 554 B 13 C 634 TRUE D 84 E 9 TRUE F FALSE
例如,如果
file3
包含
A 111 D 222 E 333
./multijoin file1 file2 file3
你明白了,
A 554 111 B 13 C 634 TRUE D 84 222 E 9 TRUE 333 F FALSE