0

我有一个制表符分隔的文本文件，如下所示：

contig11 GO:100 other columns of data
contig11 GO:289 other columns of data
contig11 GO:113 other columns of data
contig22 GO:388 other columns of data
contig22 GO:101 other columns of data

还有一个是这样的：

contig11 3 N
contig11 1 Y
contig22 1 Y
contig22 2 N

我需要将它们组合起来，以便一个文件的每个“多个”条目被复制并在另一个文件中填充其数据，这样我得到：

contig11 3 N GO:100 other columns of data
contig11 3 N GO:289 other columns of data
contig11 3 N GO:113 other columns of data
contig11 1 Y GO:100 other columns of data
contig11 1 Y GO:289 other columns of data
contig11 1 Y GO:113 other columns of data
contig22 1 Y GO:388 other columns of data
contig22 1 Y GO:101 other columns of data
contig22 2 N GO:388 other columns of data
contig22 2 N GO:101 other columns of data

我几乎没有编写脚本的经验，但是在其中一个文件中只出现了一次“contig11”，并带有散列/键。但我什至无法开始做这件事！非常感谢有关如何解决此问题的一些帮助或提示。

编辑所以我尝试了 ikegami 的建议（见答案）：但是，这产生了我需要的输出，除了 GO:100 列以后（脚本中的 $rest ？？？） - 任何想法我做错了什么？

#!/usr/bin/env/perl

use warnings;

open (GOTERMS, "$ARGV[0]") or die "Error opening the input file with GO terms";
open (SNPS, "$ARGV[1]") or die "Error opening the input file with SNPs";

my %goterm;

while (<GOTERMS>)
{
    my($id, $rest) = /^(\S++)(,*)/s;
    push @{$goterm{$id}}, $rest;
}

while (my $row2 = <SNPS>)
{
    chomp($row2);
    my ($id) = $row2 =~ /^(\S+)/;
    for my $rest (@{ $goterm{$id} })
    {
        print("$row2$rest\n");
    }
}

close GOTERMS;
close SNPS;
4

2 回答 2

2

看看你的输出。它显然是由

  • 对于第二个文件的每一行，
    • 对于具有相同 id 的第一个文件的每一行，
      • 打印出合并的行

所以问题是：如何找到第一个文件的行与第二个文件的行具有相同的 id？

答案是：您将第一个文件的行存储在由行 ID 索引的哈希中。

my %file1;
while (<$file1_fh>) {
   my ($id, $rest) = /^(\S++)(.*)/s;
   push @{ $file1{$id} }, $rest;
}

所以前面的伪代码解析为

while (my $row2 = <$file2_fh>) {
   chomp($row2);
   my ($id) = $row2 =~ /^(\S+)/;
   for my $rest (@{ $file1{$id} }) {
      print("$row2$rest");
   }
}

#!/usr/bin/env perl

use strict;   
use warnings;

open(my $GOTERMS, $ARGV[0])
     or die("Error opening GO terms file \"$ARGV[0]\": $!\n");
open(my $SNPS, $ARGV[1])
     or die("Error opening SNP file \"$ARGV[1]\": $!\n");

my %goterm;
while (<$GOTERMS>) {
    my ($id, $rest) = /^(\S++)(.*)/s;
    push @{ $goterm{$id} }, $rest;
}

while (my $row2 = <$SNPS>) {
    chomp($row2);
    my ($id) = $row2 =~ /^(\S+)/;
    for my $rest (@{ $goterm{$id} }) {
        print("$row2$rest");
    }
}
于 2013-04-15T18:29:15.620 回答
0

我将描述你如何做到这一点。您需要将每个文件 pu 放入数组中（每个 libe 都是一个数组项）。然后你只需要以需要的方式比较这些数组。你需要2个循环。每个数组/文件记录的主循环，其中包含您将用于campare的字符串（在您的示例中它将是第二个文件）。在此循环下，您需要为数组/文件中的每个记录创建另一个循环，其中包含您将与之比较的记录。并且只需使用另一个数组的每个记录检查数组的每个记录并处理结果。

foreach my $record2 (@array2) {
    foreach my $record1 (@array1){
        if ($record2->{field} eq $record1->{field}){
            #here you need to create the string which you will show
            my $res_string = $record2->{field}.$record1->{field};
            print "$res_string\n";
        }
    }
}

或者不使用数组。只需读取文件并将每一行与另一个文件的每一行进行比较。总体思路是一样的））

于 2013-04-15T18:32:45.620 回答