如何根据列的匹配合并两个文件？

Question

我有两个文件，我想从中创建第三个文件，其中包含所有信息，每列由制表符分隔。

文件 1：

67      rule_ref: _avc ,output_tag: 'hello'
2       rule_ref: _cdf ,output_tag: 'hi'
334     rule_ref: _xyz ,output_tag: 'bye'
1       rule_ref: _abc ,output_tag: 'go'

文件 2：

rule_ref: _avc ,output_tag: 'hello'     1
rule_ref: _cdf ,output_tag: 'hi'        4
rule_ref: _xyz ,output_tag: 'bye'    5

并且想要一个 file3 这样：

67    1    rule_ref: _avc ,output_tag: 'hello'
2     4    rule_ref: _cdf ,output_tag: 'hi'
334   5    rule_ref: _xyz ,output_tag: 'bye'
1     0    rule_ref: _abc ,output_tag: 'go'

file1 的第 2 列与 file2 的第 1 列匹配，并且 file3 包含 file1 的第 1 列，file2 的第 2 列和 file1 的第 3 列。

我在谷歌上搜索，但没有找到任何结果来解决这个问题。请帮忙

Answer 1

考虑到 SO 吃标签的方式，很难说你的列是什么。另一个角色会更容易。

不过，根据您的描述，在第一个文件中，我认为数字是一列，rule_ref: _avc ,output_tag: 'hello' 等是第二列？和第二个文件类似？但是您提到了第一个文件的第三列，该方案不存在该列。你是说第二个吗？

如果是这样……

$ join -t $'\t' -1 2 -2 1 -a 1 -e 0 -o '1.1 2.2 1.2' <(sort -t $'\t' -k 2 file1.txt) <(sort -t $'\t' -k 1 file2.txt)
1   0   rule_ref: _abc ,output_tag: 'go'
67  1   rule_ref: _avc ,output_tag: 'hello'
2   4   rule_ref: _cdf ,output_tag: 'hi'
334 5   rule_ref: _xyz ,output_tag: 'bye'

（join 要求它连接的文件在适当的字段上进行排序，而您的示例没有，因此进行排序。还需要一个能够理解 $'\t' 的 shell，例如 bash。）

Answer 2

首先，我假设你使用的是 Pandas Dataframe，那么你只需要使用合并。

试试这个：

file1.merge(file2, on='Column with same values', left_on='lkey', right_on='rkey')

文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.merge.html