AWK-如何对文件A中的多个匹配项进行列匹配在文件B中的匹配项

时间:2019-04-18 03:56:28

标签: linux bash awk

我试图在文件A的第1列与文件B的第2列之间找到匹配的字符串,并为每次匹配打印文件A +文件B的整行。问题是文件A的第1列中有多个具有相同值的字符串,当我使用awk解决方案时,它只会打印最后一个匹配项,而不是所有匹配项。

我尝试使用以前使用过的awk解决方案来匹配文件A和文件B中的唯一值

awk -vOFS='\t' 'NR==FNR{a[$1]=$0;next} ($2 in a) {print a[$2],$0}' file A file B

文件A

MLLT3   26.53051423 54.24992354 25.50216856
MLLT3   24.32536694 19.96855016 177.7584507
MLLT3   18.9883621  15.83462512 115.2035222
MLLT3   11.79811105 42.91062427 77.35888553

文件B

ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522

预期输出:

MLLT3   26.53051423 54.24992354 25.50216856 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522
MLLT3   24.32536694 19.96855016 177.7584507 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522
MLLT3   18.9883621  15.83462512 115.2035222 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522
MLLT3   11.79811105 42.91062427 77.35888553 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522

实际输出:

MLLT3   11.79811105 42.91062427 77.35888553 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.00532152

我愿意接受任何解决方案,过去我只是将awk用于此类问题。

2 个答案:

答案 0 :(得分:4)

由于在文件A中重复了密钥,但在文件B中没有重复密钥,请尝试:

$ awk -vOFS='\t' 'NR==FNR{a[$2]=$0;next} ($1 in a) {print $0,a[$1]}' fileB fileA
MLLT3   26.53051423     54.24992354     25.50216856     ENSG00000171843 MLLT3   3.885477052     3.929504522     3.005321522
MLLT3   24.32536694     19.96855016     177.7584507     ENSG00000171843 MLLT3   3.885477052     3.929504522     3.005321522
MLLT3   18.9883621      15.83462512     115.2035222     ENSG00000171843 MLLT3   3.885477052     3.929504522     3.005321522
MLLT3   11.79811105     42.91062427     77.35888553     ENSG00000171843 MLLT3   3.885477052     3.929504522     3.005321522

答案 1 :(得分:2)

我根本不会使用awk。这就是join设计的目的:

$ join -t $'\t' -1 1 -2 2 -o 1.1,1.2,1.3,1.4,2.1,2.2,2.3,2.4,2.5 file1.tsv file2.tsv               
MLLT3   26.53051423 54.24992354 25.50216856 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522
MLLT3   24.32536694 19.96855016 177.7584507 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522
MLLT3   18.9883621  15.83462512 115.2035222 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522
MLLT3   11.79811105 42.91062427 77.35888553 ENSG00000171843 MLLT3   3.885477052 3.929504522 3.005321522

这假定文件在相关字段上排序。如果没有:

$ join -t $'\t' -1 1 -2 2 -o 1.1,1.2,1.3,1.4,2.1,2.2,2.3,2.4,2.5 <(sort -t $'\t' -k1 file1.tsv) <(sort -t $'\t' -k2 file2.tsv)