Python 如果文件1中的A列=文件2中的A列，则替换为文件2中的B列

通常我会使用R并执行merge.by，但是这个文件似乎太大了，部门中的任何计算机都无法处理这个问题！（任何从事遗传学工作的人的补充信息）本质上，插补似乎删除了snp ID的rs编号，我只剩下染色体：位置信息。因此，我创建了一个包含我想要的所有rs编号的链接文件，并希望用文件2中的rs编号替换文件1中的Chr:Pos列

所以我在想一种编码的方法：

If $3 of file 1 = $5 of file 2, replace $3 file 1 with $2 of file 2.

文件1看起来像

1111 1111 1:10583  G G
1112 1112 1:10583  G G
1113 1113 1:10583  G G
1114 1114 1:10583  G G
1115 1115 1:10583  G G

文件2看起来像

1   rs58108140  0   10583       1:10583
1   rs192319073 0   105830003   1:105830003
1   rs190151039 0   10583005    1:10583005
1   rs2809302   0   105830229   1:105830229
1   rs191085550 0   105830291   1:105830291

预期的产出将是：

1111 1111 rs58108140  G G
1112 1112 rs58108140  G G
1113 1113 rs58108140  G G
1114 1114 rs58108140  G G
1115 1115 rs58108140  G G

---

从文件2创建字典

with open('file2', 'r') as file2:
   replacement = {}
   for line in file2:
       splited_line = line.split()
       replacement[splited_line[4]] = splited_line[1]

with open('file1', 'r') as file1:
    with open('file1_new', 'w') as file1_new:
        for line in file1:
            splitted_line = line.split()
            splitted_line[2] = replacement.get(splitted_line[1], splitted_line[1])
            file1_new.write(' '.join(splitted_line)+'\n')

---

使用

awk

简单：

$ awk 'FNR==NR{a[$5]=$2;next}$3 in a{$3=a[$3]}1' file2 file1
1111 1111 rs58108140 G G
1112 1112 rs58108140 G G
1113 1113 rs58108140 G G
1114 1114 rs58108140 G G
1115 1115 rs58108140 G G

---

join

和

awk

可以做到这一点。您也可以使用

cut

而不是

awk

，但之后必须以其他方式对字段重新排序

join -1 3 -2 5 file1 file2 | awk '{print $2, $3, $7, $4, $5}'

---

警告：正如sudo_O所提到的，只有当文件被排序时，这才起作用-根据给定的示例，我假设它们是。如果他们没有，这不会很快。如果它们已经排序，则不需要将它们读入内存，因为这两个命令都只是在读取数据时处理数据。

文件2有多大？是否可以从第5列和第2列创建

dict

？每个文件有多大？如果文件1的第3列总是以与文件2的第5列相同的顺序出现在组中，请使用awk并在文件1中遇到新组时执行文件2的getline。现在无法提供详细信息，必须运行。sudo_o可以提供详细信息。文件1是12.3 GB，文件2是410.5 MB。我不太确定它是

文件似乎很大

没有为我出售。我的计算机似乎已经扩展到这个程度，并且它已经工作了！非常感谢你的帮助。太好了。这是因为我们只在

file2

中的一列上构建了一个数组，因此该数组将小于>410.5MB，而这在当今不会成为问题。因为我们只逐行读取

file1

，所以这不是问题。中的

a[$3]

条件应该是

$3，以避免在该条目不存在时创建该条目。@Kevin从语义上讲，它不会产生任何不同，因为空值将计算为false，但是是的，

中的$3更好。Join要求文件按顺序排序。你不想对2个大文件进行排序，然后加入它们，然后通过awk运行。也许我假设的太多了，但它们看起来确实像是在示例中排序的。

file2

未排序运行

diff file2在给定示例中，它是按最后一列排序的，我们正试图加入到最后一列中。（此处的命令应为
sort-k5 file2
）