如何打印在一列上匹配的两个文件的输出？答案

【问题标题】：How to print output from both files matched on one column?如何打印在一列上匹配的两个文件的输出？
【发布时间】：2019-01-09 08:26:15
【问题描述】：

我有两个文件

 >vi cc4
163489921       ENSG00000145416
163490721       ENSG00000145416
163493030       ENSG00000145416
163494582       ENSG00000145416
163498263       ENSG00000145416
163506833       ENSG00000145416
163510223       ENSG00000145416
...

>vi bed_chr_4.bed
chr4    171975321       171975322       rs230   0       -
chr4    10204223        10204224        rs231   0       +
chr4    184363210       184363211       rs232   0       -
chr4    39547490        39547491        rs529   0       +
chr4    109740780       163489921       rs551   0       -
chr4    25929702        25929703        rs554   0       +
chr4    17624034        17624035        rs555   0       +
...

我想对 cc4 的第 1 列和 bed_chr_4.bed 的第 3 列进行匹配，并打印来自 bed_chr_4.bed 的匹配行以及来自 cc4 的匹配的第 2 列。我想为这个样本得到的输出是：

chr4    109740780       163489921       rs551   0       -     ENSG00000145416

我试过这个：

awk 'NR==FNR{a[$1]=$1;next}a[$3]{print $0}' cc4 bed_chr_4.bed >outfile

但我只从 bed_chr_4.bed 获得 6 列匹配，而不是从 cc4 获得第二列，在这种情况下是：ENSG00000145416

我只得到这个：

chr4    109740780       163489921       rs551   0       -

【问题讨论】：

您需要使用 awk 还是可以在脚本中使用其他工具（即 grep）？

标签： bash awk

【解决方案1】：

你快到了。问题是您将$1 分配给a[$1]。请改用：

awk 'NR==FNR{a[$1]=$2;next} a[$3]{print $0 " " a[$3]}' cc4 bed_chr_4.bed > outfile

准确地说，它依赖于假设 cc4 的第二个字段持有一个值这被评估为真实。说起来可能更安全：

awk 'NR==FNR{a[$1]++;b[$1]=$2;next} a[$3] {print $0 " " b[$3]}' cc4 bed_chr_4.bed > outfile

【讨论】：

完美！非常感谢您的澄清。