2つのタブで区切られたテキストファイルがあります。より大きなデフォルトファイルであるファイル1には複数の列がありますが、ファイル2は、制限された行の最初の2つの列のみがファイル2と共有する小さなファイルです。
File 3を出力として持ち、2つのファイルの最初の列の間に一致する行を除いて、File 1の他のすべての列を印刷したいと思います。
試してみましたがgrep -vf
うまくいかないようです。また、両方の列の一致が必要です。
ファイル1:
BP CHR SNP REF ALT A1 OBS_CT OR LOG(OR)_SE Z_STAT P
1650048 1 rs112618790 C T T 12387 1.00246 0.0877604 0.0279678 0.977688
1856473 1 rs6684487 G A A 12387 1.02222 0.0836593 0.262689 0.79279
ファイル2:
BP CHR
1650048 1
1650483 1
出力(ファイル3):
BP CHR SNP REF ALT A1 OBS_CT OR LOG(OR)_SE Z_STAT P
1856473 1 rs6684487 G A A 12387 1.02222 0.0836593 0.262689 0.79279
ベストアンサー1
ファイルが最初のフィールドに基づいてソートされていると仮定すると、次のコマンドを使用して、最初のフィールドが2番目のファイルに表示されない最初のファイルのすべてのレコードを抽出できます。
$ join -v 1 file1 file2
1856473 1 rs6684487 G A A 12387 1.02222 0.0836593 0.262689 0.79279
タブ区切り記号とタイトルを保持するには:
$ head -n 1 file1; join -t $'\t' -v 1 file1 file2
BP CHR SNP REF ALT A1 OBS_CT OR LOG(OR)_SE Z_STAT P
1856473 1 rs6684487 G A A 12387 1.02222 0.0836593 0.262689 0.79279
一致のために最初と2番目のフィールドの両方を使用するには、両方のファイルのこれらのフィールドに基づいて結合された新しい最初のフィールドを作成し、そのフィールドに結合してから一時結合フィールドを削除します。これは基本的に次のようなものを実装します。装飾 - 並べ替え - 装飾キャンセルしかし、ソートにはリレーショナルJOIN操作を使用します。
次のコードでは、シェルを使用できると仮定しています<(...)
。
$ head -n 1 file1; join -t $'\t' -v 1 <( awk -F '\t' 'BEGIN { OFS=FS } { print $1 "_" $2, $0 }' file1 ) <( awk -F '\t' 'BEGIN { OFS=FS } { print $1 "_" $2, $0 }' file2 ) | cut -f 2-
BP CHR SNP REF ALT A1 OBS_CT OR LOG(OR)_SE Z_STAT P
1856473 1 rs6684487 G A A 12387 1.02222 0.0836593 0.262689 0.79279
または、ヘルパーシェル機能を使用してコマンドを読みやすくします。
$ decorate () { awk -F '\t' 'BEGIN { OFS=FS } { print $1 "_" $2, $0 }' "$1"; }
$ head -n 1 file1; join -t $'\t' -v 1 <( decorate file1 ) <( decorate file2 ) | cut -f 2-
BP CHR SNP REF ALT A1 OBS_CT OR LOG(OR)_SE Z_STAT P
1856473 1 rs6684487 G A A 12387 1.02222 0.0836593 0.262689 0.79279