unix：使用第二列合并 2 个文件

Question

我想根据第二列的内容合并两个文件。

文件 1：

"4742"  "209220_at"     2.60700394801826
"104"   "209396_s_at"   2.60651442103297
"749"   "202409_at"     2.59424724783704
"4168"  "209875_s_at"   2.58773204877464
"3973"  "1431_at"       2.52832098784342
"1826"  "207201_s_at"   2.41685345240968

文件 2：

"653"   "1431_at"       2.14595534191867
"1109"  "207201_s_at"   2.13777517447307
"353"   "212531_at"     2.12706340284672
"381"   "206535_at"     2.11456707231618
"1846"  "204534_at"     2.10919474441178

最后：

"3973"  "1431_at"       2.52832098784342 "653"   "1431_at"       2.14595534191867
"1826"  "207201_s_at"   2.41685345240968 "1109"  "207201_s_at"   2.13777517447307

我尝试了 comm、diff 和一些晦涩的 awk 单行代码，但没有成功。 非常感谢任何帮助。 本

Answer 1

您可以结合使用 sort 和 join 命令来完成此操作。最简单的方法是，

join -j2 <(sort -k2 file1) <(sort -k2 file2)

但显示效果与您想要的略有不同。它只显示公共连接字段，然后显示每个文件中的其余字段

"1431_at" "3973" 2.52832098784342 "653" 2.14595534191867
"207201_s_at" "1826" 2.41685345240968 "1109" 2.13777517447307

如果您需要与显示的格式完全相同的格式，那么您需要告诉 join 以这种方式输出，

join -o 1.1,1.2,1.3,2.1,2.2,2.3 -j2 <(sort -k2 file1) <(sort -k2 file2)

其中 -o 接受FILENUM.FIELDNUM 说明符列表。

请注意，我使用的 <() 语法不是 POSIX sh，因此如果您需要 POSIX sh 语法，您应该排序到临时文件。

Answer 2

awk '
  # store the first file, indexed by col2
  NR==FNR {f1[$2] = $0; next}
  # output only if file1 contains file2's col2
  ($2 in f1) {print f1[$2], $0}
' file1 file2

Answer 3

如果文件很小，请用脚本语言（Perl、Python 和 Ruby 都是不错的选择）编写一个程序，将第一个文件读入一个散列，其键是第二列，然后读取第二个文件并使用散列查找来查找可以加入什么（如果有的话）。

如果文件很大，则每个文件交换第一列和第二列，将它们传递给 unix 排序实用程序，然后用脚本语言合并（加上列重新排序）两个排序的文件。

Answer 4

awk 'FNR==NR{a[$2]=$0} NR>FNR && ($2 in a){ print $0,a[$2] } ' file2 file1