Question

我有2个带有2列的tab separated文件。第1列是数字，第2列是ID。像下面两个例子一样：

示例文件1：

188 TPT1
133 ACTR2
420 ATP5C1
942 DNAJA1

示例文件1：

91  PSMD7
2217    TPT1
223 ATP5C1
156 TCP1

我想根据第2列（列ID）找到2个文件的公共行，并创建一个新的制表符分隔文件，其中有4列：column1是ID（公共ID）column2是file1中的编号，column3是file2中的数字，column4是第2列和第3列之比的log2值（表示log2（column2 / column3））。例如，关于ID“ TPT1”：第1列是TPT1，第2列是188，第3列是2217，第4列是log2（188/2217），它等于-3.561494。这是预期的输出：

预期输出：

TPT1    188 2217    -3.561494
ATP5C1  420 223 0.9133394

我正在尝试使用以下代码在AWK中做到这一点：

awk 'NR==FNR { n[$2]=$0;next } ($2 in n) { print n[$2 '\t' $1] '\t' $1 '\t' log(n[$1]/$1)}' file1.txt file2.txt  > result.txt

此代码未返回我期望的结果。你知道如何解决吗？

Answer 1

$ awk -v OFS="\t" 'NR==FNR {n[$2]=$1;next} ($2 in n) {print $2, $1, n[$2], log(n[$2]/$1)/log(2)}' file1 file2 
TPT1    2217    188  -3.5598
ATP5C1  223     420  0.913346

Answer 2

我会使用join实际合并文件，而不是awk：

$ join -j2 <(sort -k2 file1.txt) <(sort -k2 file2.txt) |
   awk -v OFS="\t" '{ print $1, $2, $3, log($2/$3)/log(2) }'
ATP5C1  420 223 0.913346
TPT1    188 2217    -3.5598

join程序可以将两个文件连接到一个公共值。它确实需要根据连接列对文件进行排序，但是您的示例不是必需的，因此数据文件的内联sort排序。然后将其输出通过管道传输到awk，以计算每行数字的log2并产生制表符分隔的结果。

使用perl的替代方法，如果您关心的话，它可以为您提供更多的默认精度（并且不想弄混awk的CONVFMT变量）：

$ join -j2 <(sort -k2 a.txt) <(sort -k2 b.txt) |
   perl -lane 'print join("\t", @F, log($F[1]/$F[2])/log(2))'
ATP5C1  420 223 0.913345617745818
TPT1    188 2217    -3.55980420318967

Answer 3

awk +排序方法

 awk ' { print $0,FILENAME }' ellyx.txt ellyy.txt | sort -k2 -k3 | awk ' {c=$2;if(c==p) { print c,a,$1,log(a/$1)/log(2) }p=c;a=$1 } '

具有给定的输入

$ cat ellyx.txt
188 TPT1
133 ACTR2
420 ATP5C1
942 DNAJA1

$ cat ellyy.txt
91  PSMD7
2217 TPT1
223 ATP5C1
156 TCP1

$ awk ' { print $0,FILENAME }' ellyx.txt ellyy.txt | sort -k2 -k3 | awk ' {c=$2;if(c==p) { print c,a,$1,log(a/$1)/log(2) }p=c;a=$1 } '
ATP5C1 420 223 0.913346
TPT1 188 2217 -3.5598

$

在awk中合并和处理2个制表符分隔的文件，然后制作一个新文件

3 个答案: