Bash Unix-比较两个文件并逐行对齐

我有两个文件： 第一个具有如下所有序列名称：

comp10604_c0_seq1
comp108_c0_seq1
comp11450_c0_seq1
comp11655_c0_seq1
comp11804_c0_seq1
comp13465_c0_seq1
comp13695_c0_seq1

comp10604_c0_seq1 AB491617.1
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

comp10604_c0_seq1 AB491617.1
comp108_c0_seq1 NAN
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

第二个有关于这些序列的信息，但缺少关于如下某些序列的信息：

comp10604_c0_seq1
comp108_c0_seq1
comp11450_c0_seq1
comp11655_c0_seq1
comp11804_c0_seq1
comp13465_c0_seq1
comp13695_c0_seq1

comp10604_c0_seq1 AB491617.1
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

comp10604_c0_seq1 AB491617.1
comp108_c0_seq1 NAN
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

我想要一个文件，其中替换换行符并插入序列名称（如果序列中没有以下信息）：

comp10604_c0_seq1
comp108_c0_seq1
comp11450_c0_seq1
comp11655_c0_seq1
comp11804_c0_seq1
comp13465_c0_seq1
comp13695_c0_seq1

comp10604_c0_seq1 AB491617.1
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

comp10604_c0_seq1 AB491617.1
comp108_c0_seq1 NAN
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

---

感谢您的帮助

您的输入已排序。您可以使用

join

；为缺少的字段指定值：

join -e "NaN" -a1 -a2 -o 1.1 2.2 first second

对于您的示例输入，它将生成：

comp10604_c0_seq1 AB491617.1
comp108_c0_seq1 NaN
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

---

如果希望对齐，请将输出管道连接到

列-t

。

您的输入显示为已排序。您可以使用

join

；为缺少的字段指定值：

join -e "NaN" -a1 -a2 -o 1.1 2.2 first second

对于您的示例输入，它将生成：

comp10604_c0_seq1 AB491617.1
comp108_c0_seq1 NaN
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

---

如果您希望对齐，请将输出导入

列-t

。

如果您的文件已排序，并且只希望比较一列，则答案正确

下面是使用awk的另一种方法：

awk 'NR==FNR{seq[$1]=$2;next}{print $1,($1 in seq?seq[$1]:"NaN")}' file2 file1
comp10604_c0_seq1 AB491617.1
comp108_c0_seq1 NaN
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

---

我们首先遍历file2，将column2作为值存储到在column1处索引的数组中。对于file1，我们打印列1并检查数组中是否存在键。如果是这样，我们将打印它旁边的值，否则我们将打印

NaN

如果您的文件已排序，并且您只希望比较一列，则答案正确

下面是使用awk的另一种方法：

awk 'NR==FNR{seq[$1]=$2;next}{print $1,($1 in seq?seq[$1]:"NaN")}' file2 file1
comp10604_c0_seq1 AB491617.1
comp108_c0_seq1 NaN
comp11450_c0_seq1 AM920464.1
comp11655_c0_seq1 HQ865168.1
comp11804_c0_seq1 KC900889.1
comp13465_c0_seq1 HM590421.1
comp13695_c0_seq1 GU474930.1

---

我们首先遍历file2，将column2作为值存储到在column1处索引的数组中。对于file1，我们打印列1并检查数组中是否存在键。如果是这样，我们将打印它旁边的值，否则我们将打印

NaN

如果我想同时加入信息文件中的多个列？@muramasa join一次加入2个文件，将结果传输到另一个join，该join将前一个join的STDOUT作为输入，第三个文件作为另一个输入。请参阅

info join

了解更多信息。如果我想同时加入信息文件中的多个列？@muramasa join一次加入2个文件，将结果传输到另一个join，该join将前一个join的STDOUT作为输入，第三个文件作为另一个输入。有关更多信息，请参阅

info join

。