如何基于两列的匹配合并两个文件？

我有喜欢的文件：

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

和一个file2：

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

并且想要一个file3这样的：

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

这意味着通过第二列的名称将file2的第四列放入file1。

应该这样做：

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

重要提示：这假设您的文件根据SNP名称排序（如您的示例）。如果不是，请首先对它们进行排序：

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

输出：

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

说明（来自info join）：

对于具有相同联接字段的每对输入线，“ join”将标准输出写入一行。

`-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.

因此，以上命令将文件连接到第二个字段，并打印文件1的第一，第二和第三字段，然后打印文件2的第三字段。

您可以使用awk：

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

输出：

$ 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

说明：

遍历file2（NR==FNR仅对于第一个文件参数为true）。使用第2列作为键将第3列保存在哈希数组中h[$2] = $3。然后遍历file1并输出所有三列$1,$2,$3，并从hash-array追加相应的已保存列h[$2]。

如果您不需要任何订购，那么一个简单的解决方案就是

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

假设所有行都有三个条目，并且两个文件的第1列和第2列都相同（如示例数据中所示）