需要优化perl脚本吗

我有两个文件，每个大约700000行，看起来像：

文件1

文件2

我有一个脚本，我在其中查找文件1中的字段1和4与文件2中的字段1和5匹配的行。然后，如果文件1中的字段5和6与文件2中的字段3和4匹配，我只是打印出文件2中的行。但是，如果字段3和4（文件2）相对于字段5和6（文件1）翻转，我将从文件2中获取字段7的倒数，并使用调整后的字段7打印行：

#! perl -w                                                                                                           
use strict;
use warnings;

my @kgloci;
open( my $loci_in, "<", "File1" ) or die $!;
while (<$loci_in>) {
    my ($chr, $snpID, $dist, $bp, $A1, $A2) = split;
    next if m/Chromosome/;
    push @kgloci, [$chr, $snpID, $dist, $bp, $A1, $A2];
}
close $loci_in;

my $filename = shift @ARGV;
open( my $input, "<", "File2" ) or die $!;
while (<$input>) {
    next if m/hg19chrc/;
    my ($chr, $snpID, $A1, $A2, $bp, $info, $or, $se, $p, $ngt) = split;
    foreach my $kglocus (@kgloci) {
        if (    $chr == $kglocus->[0]
                and $bp == $kglocus->[3]
                and $A1 eq $kglocus->[4] ){
        print "$chr $snpID $A1 $A2 $bp $info $or $se $p $ngt\n";
            next;
        }
        elsif ( $chr == $kglocus->[0]
            and $bp == $kglocus->[3]
            and $A1 eq $kglocus->[5]){
        my $new_or = 1/$or;
        print "$chr $snpID $A1 $A2 $bp $info $new_or $se $p $ngt\n";  
        next;
        }
    }
}
close($input);

#！perl-w
严格使用；
使用警告；
我的@kgloces；
打开（“中的my$u），使用散列而不是数组

以下脚本应提供与您相同的输出（除非文件1中的A1和A2相同）：

结果：旧脚本需要16秒，新脚本少于0.1秒。对于较大的文件（700_000行），新脚本需要4秒。
使用哈希而不是数组

以下脚本应提供与您相同的输出（除非文件1中的A1和A2相同）：

结果：旧脚本需要16秒，新脚本小于0.1s。对于较大的文件（700_000行），新脚本需要4秒。
此脚本非常快，谢谢。但是我注意到您的脚本在某些情况下为字段7输出了不正确的值。例如，其中File1为：
22 rs1296744 0 17968155 A G
而File2为
22 rs1296744 A G 17968155 0.956 0.9977 0.0108 0.831 0
输出为
22 rs1296744 A G17968155 0.956 1.00230530219505 0.0108 0.831 0
其中字段7实际上应保持为0.9977。奇怪的是，我的脚本为这一行输出了两行，一行带有正确的字段7，另一行带有调整后的字段7@theo4786：可能还有另一行影响输出。只有这两行，我从中得到相同的结果两个脚本。是的，您是对的，在这些情况下，文件1中有两个输入行包含重复的字段1和4，但其他字段中的值不同。@theo4786:您能显示这些行并指示正确的输出吗？例如，文件1中的这些行：
22 rs1296744 0 17968155 A G
和
22 rs201055523 0 17968155 AGG A。正确的输出是
22 rs1296744 A G 17968155 0.956 0.9977 0.0108 0.831 0
。我相信我可以通过
$lookup{“$chr:$snpID:$bp:$A1”实现这一点
，因为我想在$snpID也匹配的地方输出。这个脚本非常快，谢谢。但是我确实注意到您的脚本在某些情况下为字段7输出了不正确的值。例如，其中File1是：
22 rs1296744 0 17968155 A G
而File2是
22 rs1296744 A G 17968155 0.956 0.9977 0.0108 0.831 0
输出是<代码>22 rs1296744 A G 17968155 0.956 1.0023053021505 0.0108 0.831 0
其中字段7实际上应保持为0.9977。奇怪的是，我的脚本为这一行输出了两行，一行带有正确的字段7，另一行带有调整后的字段7@theo4786当前位置可能还有另一行影响输出。只有这两行，我得到两个脚本的结果相同。是的，您是对的，在这些情况下，文件1中有两个输入行包含重复的字段1和4，但在其他字段中有不同的值。@theo4786:您能显示这些行并指示正确的输出吗？例如，文件1中的这些行：
22 rs1296744 0 17968155 A G
和
22 rs201055523 0 17968155 AGG A
。正确的输出是
22 rs1296744 A G 17968155 0.956 0.9977 0.0108 0.831 0
。我相信我可以通过
$lookup{“$chr:$snpID:$bp:$A1”}
，因为我希望$snpID也匹配的输出。将文件导入数据库？将文件导入数据库？
hg19chrc snpid a1 a2 bp info or se p ngt
1 rs4951859 C G 729679 0.631 0.97853 0.0173 0.2083 0
1 rs142557973 T C 731718 0.665 1.01949 0.0198 0.3298 0
22 rs1001008 A G 44928369 0.969 0.98649 0.0107 0.2023 0

#! perl -w                                                                                                           
use strict;
use warnings;

my @kgloci;
open( my $loci_in, "<", "File1" ) or die $!;
while (<$loci_in>) {
    my ($chr, $snpID, $dist, $bp, $A1, $A2) = split;
    next if m/Chromosome/;
    push @kgloci, [$chr, $snpID, $dist, $bp, $A1, $A2];
}
close $loci_in;

my $filename = shift @ARGV;
open( my $input, "<", "File2" ) or die $!;
while (<$input>) {
    next if m/hg19chrc/;
    my ($chr, $snpID, $A1, $A2, $bp, $info, $or, $se, $p, $ngt) = split;
    foreach my $kglocus (@kgloci) {
        if (    $chr == $kglocus->[0]
                and $bp == $kglocus->[3]
                and $A1 eq $kglocus->[4] ){
        print "$chr $snpID $A1 $A2 $bp $info $or $se $p $ngt\n";
            next;
        }
        elsif ( $chr == $kglocus->[0]
            and $bp == $kglocus->[3]
            and $A1 eq $kglocus->[5]){
        my $new_or = 1/$or;
        print "$chr $snpID $A1 $A2 $bp $info $new_or $se $p $ngt\n";  
        next;
        }
    }
}
close($input);

#! /usr/bin/perl
use warnings;
use strict;

my %lookup;
open my $LOCI, '<', 'File1' or die $!;
while (<$LOCI>) {
    next if /Chromosome/;
    my ($chr, $snpID, $dist, $bp, $A1, $A2) = split;
    $lookup{"$chr:$bp:$A1"} = 1;
    $lookup{"$chr:$bp:$A2"} = 2;
}

open my $IN, '<', 'File2' or die $!;
while (<$IN>) {
    next if m/hg19chrc/;
    my ($chr, $snpID, $A1, $A2, $bp, $info, $or, $se, $p, $ngt) = split;
    my $new_or = ( sub {},
                   sub { shift },
                   sub { 1 / shift },
                 )[ $lookup{"$chr:$bp:$A1"} || 0 ]->($or);
    print "$chr $snpID $A1 $A2 $bp $info $new_or $se $p $ngt\n"
        if defined $new_or;
}

perl -MList::Util=shuffle -wE '
    $i = 1;
    $pos = 1;
    for (1 .. 10000) {
        say join " ", $i, "rs$pos", int rand 5, 1000 + int rand 10000,
            (shuffle(qw(A C T G)))[0,1];
        ++$i if rand 1 > .99;
        $pos += int rand 20;
    }' > File1

perl -wE '
    $i = 1;
    $pos = 1;
    for (1 .. 10000) {
        say join " ", $i, "rs$pos", (map qw(A C T G)[rand 4],1,2),
            1000 + int rand 10000, rand 1, rand 5, rand 1, rand 1,
            int rand 3;
        ++$i if rand 1 > .99;
        $pos += int rand 20;
    }' > File2