☰

2つのファイルの文字列を一致させ、文字列を置き換える方法は？

tag-icon • tag-icon awk
2つのファイルの文字列を一致させ、文字列を置き換える方法は？

次のファイルがあります：（308545行）

head output11.frq
 CHR               SNP   A1   A2          MAF  NCHROBS
   1      1:775852:T:C    T    C       0.1707     3444
   1     1:1120590:A:C    C    A      0.08753     3496
   1     1:1145994:T:C    C    T       0.1765     3496
   1     1:1148494:A:G    A    G       0.1059     3464
   1     1:1201155:C:T    T    C      0.07923     3496
...

別のファイル（marker-info）には、カンマで区切られた最初の24行のコメントが含まれています（合計500593行）。

1,742429,SNP_A-1909444,ss66079302,rs3094315,36.2,G,A,C,T,A,GCACAGCAAGAGAAAC[A/G]TTTGACAGAGAATACA,Sty,+,-,y,,,127,phs000018
1,769185,SNP_A-4303947,ss66273559,rs4040617,36.2,A,G,A,G,A,GCTGTGAGAGAGAACA[A/G]TGTCCCAATTTTGCCC,Sty,+,+,n,,,127,phs000018
1,775852,SNP_A-1886933,ss66317030,rs2980300,36.2,T,C,A,G,A,GAATGACTGTGTCTCT[C/T]TGAGTTAGTGAAGTCA,Nsp,-,+,y,,,127,phs000018
1,782343,SNP_A-2236359,ss66185183,rs2905036,36.2,C,T,C,T,A,CTCGATTTGTGTTCAA[C/T]ATATTTCATTTGTACC,Sty,-,-,n,,,127,phs000018
1,1201155,SNP_A-2205441,ss66174584,rs4245756,36.2,C,T,C,T,A,CCAGTGCTTTCAACCA[C/T]ACTCACTTTTCACTGT,Sty,+,+,n,,,127,phs000018
...

output11.frqの2番目の列を1番目と2番目の列の値が一致するタグ情報の5番目の列に置き換えようとしています。したがって、この例の場合、output11.frqの結果は次のようになります。

1      rs2980300    T    C       0.1707     3444
1      rs4245756    T    C      0.07923     3496

これを試しましたが、空のファイルがあります。

vi tst.awk
NR==FNR { map[$1,$2]=$5; next }
($1,$4) in map { $2=map[$1,$4]; print }


awk -f tst.awk FS=',' marker-info FS='\t' output11.frq  > output11X.frq

編集する：

私はこれを実行しようとしています：

 vi test2.awk
 NR==FNR { map[$2]=$5 }
 NR!=FNR { split($4, x, ":"); if(x[2] in map){ $4=map[x[2]]; print }}

awk -f test2.awk FS=',' marker-info FS='\t' output11.frq > output11X.frq

しかし、私はこれを得ます：

head output11X.frq
 CHR               SNP   A1   A2          MAF  NCHROBS   rs41340551
   1      1:775852:T:C    T    C       0.1707     3444   rs41340551
   1     1:1120590:A:C    C    A      0.08753     3496   rs41340551
   1     1:1145994:T:C    C    T       0.1765     3496   rs41340551
...

答え1

11:775852:T:Cスクリプトの問題は、キーが形式のマップで文字列をキーとして使用しようとしていることです775852。

あなたがあなたの意見で必要だとは思わないと言ったので、この処理の最初の列を省略しました。

NR==FNR { map[$2]=$5 }
NR!=FNR { split($2, x, ":"); if(x[2] in map){ $2=map[x[2]]; print }}

split私はその文字列が処理されるまで必要なクエリを実行できないため、文字列の関連部分を取得して条件を追加しました。

これは要求どおりに行われるようです。

[gnubeard@mothership: ~/dna]$ awk -f test.awk FS=',' marker-info FS=' ' output11.frq
 1  rs2980300 T C 0.1707 3444
 1  rs4245756 T C 0.07923 3496

持っているフィールドが持っていると思う列と一致していることを確認してください。出力をタブで区切るには、OFSスクリプトの後半で次のように変数を設定できます。NR!=FNR { OFS="\t"; split($2, x, ":"); if(x[2] in map){ $2=map[x[2]]; print }}

FS編集：出力11.frqの区切り文字をスペースに変更するためにコマンドの変数を変更しました。これにより、タップ数を退屈に操作することを防ぎます。

関連情報