Bash是一种基于索引列表比较两个不同文件中特定列的方法

我有两个选项卡分隔的文件，共1708行，列数不同。我的目标是比较所有行存储的值，但只比较一些特定列的值。我有两个列表，其中包含要比较的列的编号；这里有一个例子：

• 菲拉➝ col_ind_A=[12,20,24,55]
• 文件➝ col_ind_B=[14,28,35,79]

这里，应将文件A的第12列与文件B的第14列、文件A的第20列与文件B的第28列进行比较，依此类推。如果文件A的值为0，而文件B的值为0，我想在该位置修改文件C（文件A的副本），然后存储文件B的值（不是0）：

我已经看到比较列通常是用awk完成的，但是我对bash非常陌生，我不知道如何迭代两个文件的行，同时迭代列索引列表并指示要比较的列位置。欢迎提出任何建议

如果有帮助的话，我将展示一个R代码，它正好做到了这一点（它太慢了）：

for（i在1:1708中）{#行
对于（j in 1:31946）{#cols
如果（fileA[i，col_ind_A[j]='0'&&fileA[i，col_ind_A[j]！=fileB[i，col_ind_B[j]]）{
fileC[i，col_ind_A[j]一个执行此操作的perl脚本：

！/usr/bin/env perl
严格使用；
使用警告；
使用自动模具；
使用功能qw/say/；
使用列表：：Util qw/pairs/；
#根据需要进行调整。
我的@columns=（12=>14,20=>28,24=>35,55=>79）；
我的（$filea_name，$fileb_name）=@ARGV；
@columns=成对映射{$\ 1}@columns；
打开我的$filea，“首先逐行加入文件，然后检查要检查的条件

# recreate input
cat >file1 <<EOF
col11 col12 col13
A C G
G 0 T
EOF
cat >file2 <<EOF
col13 col14 col15
A C G
G T T
EOF

paste file1 file2 |
awk '{ if ($2 == 0 && $2 != $6) $2=$6; print $1, $2 ,$3}'

我猜从
for（1:1708中的I）{#rows
中，假设两个文件中的列数相同，您可能希望迭代所有列：

paste file1 file2 |
awk '{ 
   for (i=1;i<=NF/2;++i) if ($i == 0 && $i != $(i*2)) $i = $(i*2);
   for (i=1;i<=NF/2;++i) printf "%s%s", $i, i==NF/2?ORS:OFS; 
}'

粘贴文件1文件2|
awk'{
对于（i=1；i由于您要求提供
awk
解决方案，这里有一个简单的解决方案：

awk -v col_ind_A='12 20 24 55' -v col_ind_B='14 28 35 79' '
BEGIN { OFS="\t"
        split(col_ind_A, ciA)
        split(col_ind_B, ciB)
        while (getline <"FileB" > 0 && split($0, B) && getline <"FileA" > 0)
        {
            for (i in ciA) if ($ciA[i] == 0) $ciA[i] = B[ciB[i]]
            print >"FileC"
        }
      }'

您可以共享输入文件的示例记录吗？我会将文件转换为SQLite或其他db。为相关列编制索引以提高速度，并要求db引擎处理查询。最终将最终输出的格式重新设置为与数据文件类似的格式。@Armali您说得对，我刚刚解决了这个问题，谢谢。至于我的记录示例，它们是您创建的.ped文件sing PLINK，它们看起来与示例中完全相同，但有更多的行和列。我希望这会有所帮助。关于假设两个文件中的列数相同的问题，询问者写道：我有两个标签分隔的文件，共1708行，列数不同。我认为合并文件可能不是最好的主意，因为fileA有180000多列umns和fileB有30000多个，但无论如何，感谢awk位非常有用：）这看起来真的很好，是否可以将列也添加为包含“'12=>14，20=>28，24=>35，55=>79，”，因为通信数量超过30000。谢谢！
getline 0
应该是
（getline 0
。FileA也一样。R代码工作得非常完美，速度非常快。非常感谢！！
col11 col12 col13
A C G
G T T

paste file1 file2 |
awk '{ 
   for (i=1;i<=NF/2;++i) if ($i == 0 && $i != $(i*2)) $i = $(i*2);
   for (i=1;i<=NF/2;++i) printf "%s%s", $i, i==NF/2?ORS:OFS; 
}'

awk -v col_ind_A='12 20 24 55' -v col_ind_B='14 28 35 79' '
BEGIN { OFS="\t"
        split(col_ind_A, ciA)
        split(col_ind_B, ciB)
        while (getline <"FileB" > 0 && split($0, B) && getline <"FileA" > 0)
        {
            for (i in ciA) if ($ciA[i] == 0) $ciA[i] = B[ciB[i]]
            print >"FileC"
        }
      }'

for (i in 1:nrow(FileA))
{
    j = which(FileA[i, col_ind_A] == 0)
    FileC[i, col_ind_A[j]] = FileB[i, col_ind_B[j]]
}