0

我有两个如下所示的文件，它们是制表符分隔的：

档案A

chr1   123 aa b c d
chr1   234 a  b c d
chr1   345 aa b c d
chr1   456 a  b c d
....

文件 B

chr1   123    aa    c    d    e   ff
chr1   345    aa    e    f    g   gg
chr1   123    aa    c    d    e   hh
chr1   567    aa    z    c    a   ii
chr1   345    bb    x    q    r   kk
chr1   789    df    f    g    s   ff
chr1   345    sh    d    t    g   ll

...

我想根据 2 个关键列“chr1”、“123”即（前两列是关键列）从文件 B 向文件 A 添加一个新列。如果两个文件中的关键列匹配，则文件 B 中第 7 列的数据应添加到文件 A 中的第 3 列。

例如 (chr1 123) 键在文件 B 中找到两次，因此文件 A 中的第 3 列有 ff 和 hh 用逗号分隔。如果未找到密钥，则应输入 NA 并且输出应如下所示： 输出：

chr1   123  ff,hh       aa    b    c    d   
chr1   234    NA        a     b    c    d
chr1   345  gg,kk,ll    aa   b    c    d
chr1   456    NA        a    b    c     d

我通常在 R 中执行此操作，但大型数据集需要大量时间。有人可以提供一个 awk 解决方案来加快任务吗？

4

1 回答 1

1

试试这个 awk 行：

awk -F'\t' -v OFS='\t' 'NR==FNR{a[$1FS$2]=a[$1FS$2]?a[$1FS$2]","$7:$7;next}
{$3=(($1FS$2 in a)?a[$1FS$2]:"NA")FS $3}7' fileB fileA
于 2013-10-08T09:57:26.123 回答