linux - 比较两个或多个文件的第二列并打印所有文件的并集

Question

我有四个制表符分隔的文件 1.txt、2.txt、3.txt、4.txt。每个都有以下格式

89  ABI1    0.19
93  ABL1    0.15
94  ABL2    0.07
170 ACSL3   0.21    

我想比较所有文件的第 2 列并将联合(基于第 2 列)打印到新文件中，如下所示:

       1.txt    2.txt   3.txt   4.txt
ABL2    0.07    0.01    0.11    0.009
AKT1    0.31    0.05    0.05    0.017
AKT2    0.33    0.05    0.01    0.004

在 awk 中怎么可能？我尝试了以下操作，但这只比较了第一列，

awk  'NR==FNR {h[$1] = $0; next} {print $1,h[$1]}' OFS="\t" 2.txt 1.txt   

但是当我将它更改为比较第二列时它不起作用

awk  'NR==FNR {h[$2] = $0; next} {print $1,h[$2]}' OFS="\t" 2.txt 1.txt    

此外，这一次只能处理两个文件。

有没有办法通过比较 awk 中的第二列来对四个文件执行此操作？

Answer 1

使用 join在已排序 输入文件上，并假设一个 shell 理解进程替换为 <(...) (我使用了您为每个输入文件提供的数据的副本，只是在顶部添加一行用于标识，这是 AAA 行):

$ join <( join -1 2 -2 2 -o 0,1.3,2.3 1.txt 2.txt ) \
       <( join -1 2 -2 2 -o 0,1.3,2.3 3.txt 4.txt )
AAA 1 2 3 4
ABI1 0.19 0.19 0.19 0.19
ABL1 0.15 0.15 0.15 0.15
ABL2 0.07 0.07 0.07 0.07
ACSL3 0.21 0.21 0.21 0.21

这里有三个连接。前两个要执行的是 <(...) 中的那些.其中第一个连接前两个文件，而第二个连接最后两个文件。这些连接之一的结果看起来像

AAA 1 2
ABI1 0.19 0.19
ABL1 0.15 0.15
ABL2 0.07 0.07
ACSL3 0.21 0.21

选项-o 0,1.3,2.3意思是“从两个文件中输出连接字段和字段 3”。 -1 2 -2 2意思是“使用每个文件的字段 2 作为连接字段(而不是字段 1)”。

最外层join获取两个结果并执行生成输出的最终连接。

如果输入文件未按连接字段排序:

$ join <( join -1 2 -2 2 -o 0,1.3,2.3 <(sort -k2,2 1.txt) <(sort -k2,2 2.txt) ) \
       <( join -1 2 -2 2 -o 0,1.3,2.3 <(sort -k2,2 3.txt) <(sort -k2,2 4.txt) )