0

Tengo un archivo1 de dos columnas:

1:1000:A:G           rs1234

1:2345:C:T           rs321

Y otro archivo2 con 18 columnas:

1:1000_A_G 1 100019544 A G 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 A_G A G 1:1000:A:G

1:2345_C_T 1 100019544 C T 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 C_T C T 1:2345:C:T

y necesito reemplazar la última columna del archivo2 con la referencia adecuada del archivo 1, de forma que quede un output:

1:1000_A_G 1 100019544 A G 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 A_G A G rs1234

1:2345_C_T 1 100019544 C T 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 C_T C T rs321
2
  • 1
    ¿eso es un ejercició que debemos realizar? ¿tu que has hecho al respecto? ¿puedes ponerlo en la pregunta para que veamos lo que has intentado y podamos corregirte y ayudarte? Léete Cómo preguntar, recorrido de bienvenida y ejemplo mínimo verificable para aprender el funcionamiento del sitio y como realizar buenas preguntas para obtener buenas respuestas, gracias
    – masterguru
    Commented el 16 may. 2022 a las 22:44
  • 1
    Por favor, aclara tu problema específico o proporciona detalles adicionales para resaltar exactamente lo que necesitas. Tal como está escrito, es difícil saber exactamente qué estás preguntando.
    – Comunidad Bot
    Commented el 17 may. 2022 a las 7:45

3 respuestas 3

1

Tenemos este archivo1

$ cat archivo1
1:1000:A:G rs1234
1:2345:C:T rs321

y este archivo2

cat archivo2
1:1000_A_G 1 100019544 A G 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 A_G A G 1:1000:A:G
1:2345_C_T 1 100019544 C T 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 C_T C T 1:2345:C:T

Usando awk podemos hacer esto:

awk 'NR == FNR{a[$1]=$2;next} ($NF in a) {$NF=a[$NF]} 1' archivo1 archivo2
1:1000_A_G 1 100019544 A G 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 A_G A G rs1234
1:2345_C_T 1 100019544 C T 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 C_T C T rs321
  • En awk, FNR se refiere al número de registro (generalmente el número de línea) en el archivo actual.

  • NR se refiere al número de registro total.

  • El operador == es un operador de comparación, que devuelve verdadero cuando los dos operandos son iguales.

  • NR == FNR es una condición que sólo se evalúa como verdadera para el primer archivo.

  • La acción {a[$1]=$2;next} guarda todo el primer archivo, línea por línea, en el array o matriz asociativa cuyo objetivo es buscar los valores de la segunda columna del primer archivo en base a la los valores correspondientes de la primera columna. Con next awk pasa a procesar el siguiente archivo, aquí archivo2.

  • ($NF in a) si el último campo del archivo2 está en el array a entonces se realiza esta acción {$NF=a[$NF]}, es decir, asignamos a $NF el valor a[$NF] que es el contenido del campo 2 del archivo1

0

Otra opción, con perl.

perl -ane '$X{$F[0]}=$F[1] if @F<3 or print s/\S+$/$X{$&}/re' archivo1 archivo2

Con la opción -a los campos se guardan automáticamente en el array @F

Si el número de campos es menor a 3, estamos en el primer fichero. En tal caso guardamos la pareja clave-valor en el hash X.

Después usamos este hash en una expresión regular para eliminar la última columna y remplazarla por ese valor.

0

Usando join en bash (y procurando que los archivos esten ordenados)

join -1 1 -2 18 '-o 2.'{1..17} -o 1.2 archivo1 archivo2

producirá el resultado deseado

1:1000_A_G 1 100019544 A G 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 A_G A G rs1234
1:2345_C_T 1 100019544 C T 0.0172 0.0465 0.7114 +--+ 6133 0 2.828 3 0.4189 C_T C T rs321

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.