在公共列上合并两个文件并使用awk打印所有列

Question

我有两个很长的空格分隔文件，看起来像这样：

文件1：

CHR SNP   A1 A2 MAF
1    rs12  A G  0.43
1    rs1   A T  0.22
1    1:30  G A  0.012
1    rs23  G A  0.012

文件2：

SNP    CHR A1 A2 MAF CHR:BP
rs21   1   G  A  0.03 1:30
rs13   1   T  A  0.06 1:122
rs23   1   A  G  0.02 1:234

我想将它们合并在一起，当文件1的第2列适合文件2的第1列或文件2的第6列并打印两个文件中的所有列时。

所以该示例的输出应为：文件3

SNP  CHR A1 A2 MAF CHR:BP CHR SNP  A1 A2 MAF
rs21 1   G  A  0.03 1:30   1  1:30 G  A  0.012
rs23 1   A  G  0.02 1:234  1  rs23 G  A  0.012

我用下面的代码：

awk 'NR==FNR{a[$2]=$0;next} ($1 in a || $6 in a){print $0 FS a[$2]}' file1 file2 > file3

但是由于某种原因，它会过滤掉正确的行，但只打印file2的列，而不打印file1的列。

我也尝试使用join，但是即使文件已排序，它也给我带来奇怪的结果。 奇怪的意思是，它忽略了两个文件中实际存在的大约1/5的行。 只是为了完成，这是我尝试使用join的代码：

join -1 2 -2 1 -o '2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 1.1 1.2 1.3 1.4 1.5 1.6' <(sort -k2 file1) <(sort -k1 file2) > file3.1

join -1 2 -2 6 -o '2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 1.1 1.2 1.3 1.4 1.5 1.6' <(sort -k2 file1) <(sort -k6 file2) > file3.2

cat file3.1 file 3.2 > file3

有人看到我的错误吗？ 我将非常感激。 谢谢！

Answer 1

您的错误出在您的print命令中：

{print $0 FS a[$2]}

应该

{print $0, ( $1 in a ? a[$1] : a[$6] )}

因为（1）当您在file1中时，“有趣的”字段仅在$2而不是遍历file2 ，并且（2）您需要根据您的任一条件从数组中提取数据。 我们可以使用经典的三元运算符选择哪个数组元素。 （为了方便阅读，我添加了额外的间距。）

请注意使用逗号（用OFS分隔字段），而不是使用FS即输入字段分隔符）。

否则，您的代码对我来说看起来不错。

Answer 2

您可以尝试以下吗？

awk 'FNR==NR{a[$2]=$0;next} ($1 in a) || ($6 in a){print $0,a[$1]?a[$1]:a[$6]}'  Input_file1  Input_file2

在这里也添加非单一衬里形式的解决方案。

awk '
FNR==NR{
  a[$2]=$0
  next
}
($1 in a) || ($6 in a){
  print $0,a[$1]?a[$1]:a[$6]
}'  Input_file1   Input_file2

将> file3附加到上述文件中，以将输出输入到file3中。

编辑：现在也为OP的代码添加解决方案。

awk 'NR==FNR{a[$2]=$0;next} ($1 in a || $6 in a){print $0 FS a[$1]?a[$1]:a[$6]}' file1 file2 > file3