根据第一列中的值连接列，但该列不出现两次答案

【问题标题】：Join columns according on value in first column but without having the column appearing twice根据第一列中的值连接列，但该列不出现两次
【发布时间】：2016-12-26 13:54:58
【问题描述】：

我有 3 个以空格分隔的文件。

文件 1（file1.txt）：

FID IID SEX PHENOTYPE KIR2DL5 KIR2DS5 
A1 A1 0 1 1 2
A2 A2 1 2 1 2
A3 A3 0 1 1 1

文件 2 (file2.txt)：

FID Bw4
A1 2
A2 1
A3 1

文件 3（file3.txt）：

FID IID INFO
A1 A1 0.4
A2 A2 0.6
A3 A3 0.2

如果FID列中的值在3个文件之间相同，我想将3个文件合并到一个文件中，以便：

FID IID SEX PHENOTYPE KIR2DL5 KIR2DS5 Bw4 INFO
A1 A1 0 1 1 2 2 0.4
A2 A2 1 2 1 2 1 0.6
A3 A3 0 1 1 1 1 0.2

我知道我可以使用以下命令合并文件：

join file1.txt file2.txt | join - file3.txt > final.txt

但是通过使用此命令，它还添加了文件 3 中的 IID 列，因此出现了两次，如下所示：

FID IID SEX PHENOTYPE KIR2DL5 KIR2DS5 Bw4 IID INFO
A1 A1 0 1 1 2 2 A1 0.4
A2 A2 1 2 1 2 1 A1 0.6
A3 A3 0 1 1 1 1 A1 0.2

有没有办法加入这 3 个文件而不用两次这个列？

重要信息：

并非所有 FID 在这 3 个文件之间都是相同的。
文件 1 中的列数可以更改

【问题讨论】：

file3 的列数是静态的吗？如果是，您可以删除 file3 的第二列（请参阅man colrm）。使用 bash process substitution: join file1.txt file2.txt | join - <(colrm 2 < file3.txt)
"我知道我可以像这样使用 awk 合并文件：" ??没有显示 awk 代码 ;-) 祝你好运！

标签： bash join merge header-files

【解决方案1】：

试试这个-

paste file1.txt file2.txt file3.txt | awk '{ if ( $1==$7 && $1==$9) print $1 "\t" $2 "\t" $3 "\t" $4 "\t" $5 "\t" $6 "\t" $8 "\t" $11}'

说明-

paste 将文件一个接一个地放置。

awk '{ if () }' 检查条件是否为真。

休息只是化妆品。

【讨论】：

如果 file1 中的列数发生变化，这也不起作用。

【解决方案2】：

试试这个；

join file1.txt file2.txt | join - file3.txt  | awk -v OFS=' ' 'NR==1{for (i=1;i<=NF;i++)if ($i=="IID"){n=i-1;m=NF-(i==NF)}} {for(i=1;i<=NF;i+=1+(i==n))printf "%s%s",$i,i==m?ORS:OFS}' | column -t

这是你的代码；

join file1.txt file2.txt | join - file3.txt

为了漂亮的格式；

column -t

用 awk 删除 IID 列；

awk -v OFS='\t' 'NR==1{for (i=1;i<=NF;i++)if ($i=="IID"){n=i-1;m=NF-(i==NF)}} {for(i=1;i<=NF;i+=1+(i==n))printf "%s%s",$i,i==m?ORS:OFS}'

例如：

user@user-host:/tmp/1$ join file1.txt file2.txt | join - file3.txt  | awk -v OFS=' ' 'NR==1{for (i=1;i<=NF;i++)if ($i=="IID"){n=i-1;m=NF-(i==NF)}} {for(i=1;i<=NF;i+=1+(i==n))printf "%s%s",$i,i==m?ORS:OFS}' | column -t
FID  IID  SEX  PHENOTYPE  KIR2DL5  KIR2DS5  Bw4  INFO
A1   A1   0    1          1        2        2    0.4
A2   A2   1    2          1        2        1    0.6
A3   A3   0    1          1        1        1    0.2

【讨论】：

如果 file1 中的列数发生变化，这将不起作用。那么，它就不再是第 8 列了。

【解决方案3】：

您可以在加入前使用cut 和进程替换来删除文件3 的第二列：

$ join file1.txt file2.txt | join - <(cut --complement -d ' ' -f 2 file3.txt)
FID IID SEX PHENOTYPE KIR2DL5 KIR2DS5 Bw4 INFO
A1 A1 0 1 1 2 2 0.4
A2 A2 1 2 1 2 1 0.6
A3 A3 0 1 1 1 1 0.2

--complement 是一个 GNU 扩展。如果你不能使用它，替代方案是

join file1.txt file2.txt | join - <(cut -d ' ' -f 1,3 file3.txt)

【讨论】：