Come unire due file in base alla corrispondenza di due colonne?

Ho file1 "Mi piace":

0   AFFX-SNP-000541  NA
0   AFFX-SNP-002255  NA
1   rs12103          0.6401
1   rs12103_1247494  0.696
1   rs12142199       0.7672

E un file2:

0   AFFX-SNP-000541   1
0   AFFX-SNP-002255   1
1   rs12103           0.5596
1   rs12103_1247494   0.5581
1   rs12142199        0.4931

E vorrebbe un file3 tale che:

0   AFFX-SNP-000541     NA       1
0   AFFX-SNP-002255     NA       1
1   rs12103             0.6401   0.5596
1   rs12103_1247494     0.696    0.5581
1   rs12142199          0.7672   0.4931

Il che significa mettere la quarta colonna di file2 in file1 con il nome della seconda colonna.

Questo dovrebbe farlo:

join -j 2 -o 1.1,1.2,1.3,2.3 file1 file2

Importante : questo presuppone che i file siano ordinati (come nell'esempio) in base al nome SNP. Se non lo sono, ordinali prima:

join -j 2 -o 1.1,1.2,1.3,2.3 <(sort -k2 file1) <(sort -k2 file2)

Produzione:

0 AFFX-SNP-000541 NA 1
0 AFFX-SNP-002255 NA 1
1 rs12103 0.6401 0.5596
1 rs12103_1247494 0.696 0.5581
1 rs12142199 0.7672 0.4931

Spiegazione (da info join):

`join 'scrive nell'output standard una riga per ogni coppia di righe di input che hanno campi di join identici.

`-1 FIELD'
     Join on field FIELD (a positive integer) of file 1.

`-2 FIELD'
     Join on field FIELD (a positive integer) of file 2.

`-j FIELD'
     Equivalent to `-1 FIELD -2 FIELD'.

`-o FIELD-LIST'

 Otherwise, construct each output line according to the format in
 FIELD-LIST.  Each element in FIELD-LIST is either the single
 character `0' or has the form M.N where the file number, M, is `1'
 or `2' and N is a positive field number.

Quindi, il comando sopra unisce i file sul secondo campo e stampa il 1 °, 2 ° e 3 ° campo del file uno, seguito dal 3 ° campo del file2.

Puoi usare awk:

$ awk 'NR==FNR {h[$2] = $3; next} {print $1,$2,$3,h[$2]}' file2 file1 > file3

produzione:

$ cat file3
0 AFFX-SNP-000541 NA 1
0 AFFX-SNP-002255 NA 1
1 rs12103 0.6401 0.5596
1 rs12103_1247494 0.696 0.5581
1 rs12142199 0.7672 0.4931

Spiegazione:

Walk through file2( NR==FNRè vero solo per il primo argomento del file). Salva colonna 3 in hash-array usando colonna 2 come la chiave: h[$2] = $3. Quindi attraversa file1e genera tutte e tre le colonne $1,$2,$3, aggiungendo la colonna salvata corrispondente dall'hash-array h[$2].

Se non hai bisogno di alcun ordine, sarebbe una soluzione semplice

paste file{1,2} | awk '{print $1,$2,$3,$6}' > file3

Ciò presume che tutte le righe abbiano tre voci e che le colonne 1 e 2 di entrambi i file siano uguali (come nei dati di esempio)