Сравните столбец 2 файла 1 со столбцами 4 и 5 файла 2
У меня есть файл_1 с разделителями табуляции.
NC_025 4569 . KX838946.2
NC_025 16546 . KJ641660.1
NC_025 11996 . KX932454.2
файл_2
NC_025.1 RefSeq gene 5690 7513 . + . ID=gene-NZ82_gp4;Dbxref=GeneID:20964334;Name=NZ82_gp4;gbkey=Gene;gene_biotype=protein_coding;locus_tag=NZ82_gp4
NC_025.1 RefSeq gene 4612 10046 . + . ID=gene-NZ82_gp5;Dbxref=GeneID:20964335;Name=NZ82_gp5;gbkey=Gene;gene_biotype=protein_coding;locus_tag=NZ82_gp5
NC_025.1 RefSeq gene 10337 16933 . + . ID=gene-NZ82_gp6;Dbxref=GeneID:20964336;Name=NZ82_gp6;gbkey=Gene;gene_biotype=protein_coding;locus_tag=NZ82_gp6
NC_025.1 RefSeq gene 9000 12000 . + . ID=gene-AL82_gp5;Dbxref=GeneID:109647334;Name=AL82_gp5;gbkey=Gene;gene_biotype=protein_coding;locus_tag=AL82_gp5
Я хочу сравнить столбец 2 файла 1 со столбцами 4 и 5 файла 2. Если столбец 2 файла_1 равен >= столбца 4 и <= столбца 5 той же строки файла 2, я хочу объединить всю строку файла_1 и файла_2.
NC_025 16546 . KJ641660.1 NC_025.1 RefSeq gene 10337 16933 . + . ID=gene-NZ82_gp6;Dbxref=GeneID:20964336;Name=NZ82_gp6;gbkey=Gene;gene_biotype=protein_coding;locus_tag=1NZ82_gp6
NC_025 11996 . KX932454.2 NC_025.1 RefSeq gene 10337 16933 . + . ID=gene-NZ82_gp6;Dbxref=GeneID:20964336;Name=NZ82_gp6;gbkey=Gene;gene_biotype=protein_coding;locus_tag=1NZ82_gp6
NC_025 11996 . KX932454.2 NC_025.1 RefSeq gene 9000 12000 . + . ID=gene-AL82_gp5;Dbxref=GeneID:109647334;Name=AL82_gp5;gbkey=Gene;gene_biotype=protein_coding;locus_tag=AL82_gp5
Я пробовал:
awk '{
if (NR==FNR) {
l[NR]=$0
a[NR]=$2
}
else if (a[FNR]>=$4 && a[FNR]<=$5) {
print l[FNR],$0
}
}' file_1 file_2 > File_3
Но ничего не печатает.
Никогда не называйте переменную l, она слишком похожа на число 1 и запутывает ваш код.
измененный образец по-прежнему выдает для меня результат. какой результат запуска date >File_3; cat File_3 в том же каталоге?
вам, вероятно, также следует установить -F'\t', чтобы избежать проблем с пробелами, изменяющими количество столбцов
Должно ли первое поле вывода ДЕЙСТВИТЕЛЬНО быть значением из второго файла (NC_025.1), а не значением из первого файла (NC_025)? Если нет, исправьте это, поскольку это влияет на каждое потенциальное решение.
Прямо сейчас похоже, что вы хотите сравнить два файла построчно (т. е. сравнить строку 3 файла 1 со строкой 3 файла 2), отсюда и ответ paste, который у вас есть, но который, как вы говорите, не работает для ты. Если это не так и вы хотите сравнить все столбцы 2 из файла 1 со всеми столбцами 4/5 из файла 2, тогда отредактируйте свой вопрос, чтобы показать минимальный воспроизводимый пример, демонстрирующий эту функциональность.
текущий скрипт awk тоже генерирует для меня желаемый результат; пожалуйста, еще раз проверьте, предоставили ли вы нам копию тех же файлов данных, с которыми работаете; предполагая, что у нас одинаковые входные данные, я бы хотел поискать в файлах данных любые непечатаемые символы, и если вы не знаете, как это сделать, обновите вопрос, указав полный вывод из od -c <(tail -1 file_1); od -c <(tail -1 file_2)
Они очень похожи на многие другие основные вопросы биоинформатики. Если вы скажете нам, какие здесь типы файлов называются (BAM? Chloropleth? Fastn и т. д.), мы, вероятно, сможем найти существующие дубликаты.
Ответы 1
Итак, вы по сути хотите объединить все строки, используя критерии диапазона. После сохранения первого файла вам необходимо перебрать его строки для каждой строки во втором файле.
awk '
NR==FNR {a[NR]=$0; p[NR]=$2; next}
{for (n in a) if ($4<=p[n] && p[n]<=$5) print a[n] "\t" $0}
' file_1.txt file_2.txt > file_3.txt
@RaviSaroch этот код также выдает запрошенный вами вывод с примерами данных, неясно, что вы подразумеваете под «он ищет весь столбец»: $ обращается к полям текущей строки
@jhnc Я ДУМАЮ, что они имеют в виду, что хотят сравнить значения столбца файла 1 с применимыми столбцами во всем файле 2, а не только со столбцами в том же номере строки в файле 2, но это еще не ясно из вопроса . Я думаю, когда в вопросе говорят «из той же строки файла 2», они имеют в виду, что столбец 4 и столбец 5 из файла 2 сравниваются со столбцом 2 из файла 1, находятся в одной строке друг с другом, а не то, что они находитесь в той же строке, что и столбец 2 из файла 1. Но я не знаю....
@EdMorton это возможно, но с предоставленным примером ввода ваша интерпретация, похоже, потребует двух строк образца вывода (строки 2 и 3 первого файла соответствуют строке 3 второго файла)
@jhnc хорошая мысль. тогда я не знаю, думаю, посмотрим, что нам скажет ОП.
Если значение в столбце 2 файла 1 больше значения в столбце 4 в строке 30 файла_2, оно должно быть меньше значения в столбце 5 в той же строке (30).
«столбец 2 файла 1» — мы это знаем, но мы обсуждаем, какие строки в файле 1? Столбец 2 ТОЛЬКО строки 30 в файле 1 или столбец 2 ЛЮБОЙ строки в файле 1 или что-то еще?
столбец 2 любой строки в файле 1
Значение в строке 3 (11996) файла 1 больше значения в столбце 4 (10337) и меньше значения в столбце 5 (16933). Аналогично критерии выполняются и в строке 4 файла 2, в которой значение файла 1 (11996) больше значения в строке 4 (9000) и меньше, чем в столбце 5 (12000).
@Ravi Хорошо, но почему первая строка file_1 отсутствует в выводе, поскольку ее значение 4569 явно находится между значениями 3016 и 10046 из второй строки file_2?
@pmf Я обновил файл 2; теперь он не соответствует критериям и не включается в выходной файл.
хотя ваш код можно сократить, он выдает результаты на основе ваших образцов данных. Возможно, вы захотите установить
OFS = "\t"или использоватьl[FNR] "\t" $0