使用两列比较三个文件并使用 awk/sed 在每个文件中打印唯一条目

Question

我有以下格式的三个文件：

$ cat a.bed 
chr1    6   6   aa
chr1    8   8   bb
chr2    22  22  aa
chr3    24  24  bb

$ cat b.bed 
chr1    12  12  cc
chr1    6   6   dd
chr5    14  14  cc

$ cat c.bed 
chr1    8   8   ss
chr4    11  11  dd
chr1    6   6   aa

我想使用前两列比较这些文件并打印每一行的信息，无论它存在于一个文件还是多个文件中，例如：

chr1    6   6   aa  3   a.bed,b.bed,c.bed
chr1    8   8   bb  2   a.bed,c.bed
chr2    22  22  aa  1   a.bed
chr3    24  24  bb  1   a.bed
chr1    12  12  cc  1   b.bed
chr5    14  14  cc  1   b.bed
chr4    11  11  dd  1   c.bed

其中第 5 列给出了它所在的文件数，第 6 列给出了文件名。

Answer 1

试试这四行 gawk（在 awk 中似乎不起作用）：

gawk '{print [=10=], FILENAME}' a.bed > abc.bed
gawk '{print [=10=], FILENAME}' b.bed >> abc.bed
gawk '{print [=10=], FILENAME}' c.bed >> abc.bed
gawk '{f = ;k= " "  " "  " " ;if(k in a){a[k] = a[k] "," f}else{a[k] = f};c[k]++};END{for(k in a){print k, c[k], a[k]}}' abc.bed

为简洁起见，单个字符变量： f - 文件名， k - 键，即数据， a - 一组键， c - 键计数数组。

呃，如果我没看错的话，你的输入和输出数据样本不匹配，例如只有 2 'chr1 6 6 aa' 而不是 3.

Answer 2

awk 救援！

$ awk '{a[,]=((,) in a?a[,]",":[=10=] OFS)FILENAME}
   END{for(k in a) print a[k]}' {a,b,c}.bed

虽然结果不会按相同的顺序排列。

说明

x=c?a:b is the ternary operator, sets x to a or b based on value of c (similar to if-then-else). Here we assign the value of map for key (,) either by appending FILENAME (if already exists) or setting to the current line (again by appending FILENAME). In the END block, just iterates over this map, and prints the values.

使用两列比较三个文件并使用 awk/sed 在每个文件中打印唯一条目

Compare three files using two columns and print unique entries in each file using awk/sed

bash

awk

sed

overlap