比较多个文件中的值答案

【问题标题】：comparing values in multiple files比较多个文件中的值
【发布时间】：2012-05-31 02:54:29
【问题描述】：

我有两个文件，每个文件有 3 列和 n 行（每个文件中的行数不同）。

每个看起来像这样：

file1
chr1    12  32 
chr1    14  30
chr3    10002  89000 
chrx    5678900   987654

还有这个：

file2
chr1    8   15
chr1    10  14
chr1    32  34

每个文件中的第二列和第三列代表起始值和结束值，而第一列是名称。

因此，如果（文件 1）第一列中的值与文件 2 第一列中的值匹配，则脚本应计算它们是否存在重叠（第 2 列和第 3 列中值范围的任何重叠程度在文件 1 中，文件 2 的第 2 列和第 3 列中的值范围）文件 2 中文件 1 的第二列和第三列中的值范围。

需要这样的输出：

regions from file1 present in file 2

chr1    12  32   present 
chr1    14  30   present 
chr3    10002  89000  absent
chrx    5678900   987654 absent

关于 awk 操作或 python 脚本的任何建议...请帮助。

【问题讨论】：

@sebastian：通常当我必须比较 2 个文件的列时，我使用 shell 的 diff 或 comm 命令。但是由于这里我还有一个文件和两个额外的列，所以我对应该如何进行有点困惑。

标签： python bash shell awk text-processing

【解决方案1】：

读取 file2 以创建映射：名称 -> 间隔，即结果为：ranges = {'chr1': [[8, 15], [10, 14], [32, 34]]}。如果每个名称有很多间隔，那么作为优化，您可以合并它们：ranges = {'chr1': [[8, 15], [32, 34]]}。
定义overlap(r1, r2) 函数，返回两个区间r1 和r2 是否重叠。指定边缘是否包含在重叠中。
对于file1 中的每一行，找出是否存在重叠并打印适当的输出。

【讨论】：