awkを使用して別のファイルの複数の列をリンクします。

awkを使用して別のファイルの複数の列をリンクします。

次の4つのtsv(タブ区切り)ファイルがあります。

ファイル1:

abc 1
def 2
ghi 3

ファイル_2:

abc 2
ghi 3

ファイル_3:

def 1
ghi 2
jkl 4

ファイル_4:

ghi 3
jkl 4

このファイルを組み合わせて、次の1つのtsvファイルを取得したいと思います。

dataset file_1 file_2 file_3 file_4
abc     1      2             
def     2      4            
ghi     3      3      2      3
jkl                   4      4

使ってみました。awk

$ awk '
    BEGIN{OFS=FS="\t"} 
    FNR==1{f = f "\t" FILENAME} 
    NR==FNR{a[$1] = $2} 
    NR!=FNR{a[$1] = a[$1] "\t" $2} 
    END{printf "dataset%s\n", f; for(i in a) print i, a[i]}
  ' file_{1..4}

このコマンドは機能しますが、値が送信されます。 1列目と2列目の値がnullで、3列目と4列目の値が4と4の場合、このコマンドで得られる出力は1列目と2列目の値は4ですが、3列目と4列目は値があります。です。 NULL値があります。そこで私がawk言及した内容を使ってTSVファイルを個別に結合しようとしました。まず、forfile_1file_2getを実行してoutput_1から、Joinfile_3file_4getを実行しますoutput_2。その後、出力_1と出力_2のマージを使用します$ join output_1 output_2が、4つのファイルの値のみを取得します。 1つのファイルにのみ存在していたデータを失いました。

アドバイスいただきありがとうございます。

ありがとう

答え1

$ cat tst.awk
BEGIN { FS=OFS="\t" }
{ datasets[$1]; fnames[FILENAME]; vals[$1,FILENAME] = $2 }
END {
    printf "%s", "dataset"
    for (fname in fnames) {
        printf "%s%s", OFS, fname
    }
    print ""
    for (dataset in datasets) {
        printf "%s", dataset
        for (fname in fnames) {
            printf "%s%s", OFS, vals[dataset,fname]
        }
        print ""
    }
}

$ tail -n +1 file?
==> file1 <==
a       1
b       2
c       3

==> file2 <==
a       2
c       3

$ awk -f tst.awk file1 file2
dataset file1   file2
a       1       2
b       2
c       3       3

リストに必要なだけファイルを追加します。

答え2

join (GNU coreutils) 8.30「プロセスの交換」で試してみることができます。

join -a1 -a2 -t"    " -oauto  -e " " <(join -a1 -a2 -t" " -oauto  -e "" file[12]) <(join -a1 -a2 -t"    " -oauto  -e " " file[34])
abc 1   2        
def 2       1    
ghi 3   3   2   3
jkl         4   4

これらの-tオプションには<TAB>文字値があります。

答え3

今はアドバイスをいたします。必要に応じて後でコードを書くことができます。

すべてのファイルを読み取るときに3つの配列を保持します。

(a) 新しいファイルごとにファイル名のハッシュリスト。
(b)各新しいデータセットのハッシュリストは$ 1です。
(c) 各行には値のハッシュリストがあります。

FNR == 1 { ++htFile[FILENAME]; }
! ($1 in htSet) { ++htSet[$1]; }
{ htVal [FILENAME, $1] = $2; }

End関数でhtFileとhtSetを繰り返します。

function Table (r, c, buf) {
    buf = "dataset";
    for (c in htFile)
        buf = sprint ("%s\t%s", buf, htFile[c]);
    print buf;
    for (r in htSet) {
        buf = "";
        for (c in htFile)
            buf = sprint ("%s\t%s", buf, htVal[c, r]);
        print substr (buf, 2);
    }
}
END { Table( ); }

これは、出力テーブルのファイルとデータセットの順序を維持しません。これが重要な場合は、テーブルの順序付きバージョンを維持し、元の順序で繰り返すことができます。

関連情報