大牛们帮助我！两个文件的处理

56836430

我有两个文件
file1:
Scaffold_10015  Gmira_TNET11_REPET_TEs  match_part      1997    2603    0.0   
Scaffold_10015  Gmira_TNET11_REPET_TEs  match              20118   22709   0.0     
Scaffold_10016  Gmira_TNET11_REPET_TEs  match              20118   21850   0.0     
file2:
Scaffold10015    1800        -       0       0       CHH     CTT
Scaffold10015    1999        -       0       0       CHH     CTA
Scaffold10015    2400        -       0       0       CHH     CAA
Scaffold10015    3000        -       0       0       CHH     CAC
Scaffold10016    20013      +       0       0       CHH     CAT
Scaffold10016    21760       -       0       6       CHH     CAT
Scaffold10017    47000       -       0       6       CHH     CTA
想得到以下结果，
Result
Scaffold10015    1800        -       0       0       CHH     CTT     other
Scaffold10015    1999        -       0       0       CHH     CTA     match_part
Scaffold10015    2400        -       0       0       CHH     CAA     match_part
Scaffold10015    3000        -       0       0       CHH     CAC     other
Scaffold10016    20013      +       0       0       CHH     CAT    other
Scaffold10016    21760       -       0       6       CHH     CAT    match
Scaffold10017    47000       -       0       6       CHH     CTA    other


其实就是file2中的第二列如果在file1的第四列和第五列之间，则在后面标注上match or match_part，如果不在范围内则标注为other。

我根据以前一位大牛帮忙写的另外一个awk程序进行了小小的修改，但是怎么也得到不正确的答案。。。

这是我修改的小程序，大家帮忙看看哪里出了问题：

awk 'NR==FNR{if (/(exon|intron)/) {sca[$1]++;str=$1 FS sca[$1];a[str]=$3;b[str]=$4;c[str]=$5;d[str]=$(NF-2)};next}
{t=0;if ($1 in sca) {for (i=1;i<=sca[$1];i++) if ($2>=b[$1 FS i]&&$2<=c[$1 FS i]) {print $0,d[$1 FS i],a[$1 FS i];t=1} }
else {print "Scaffold",$1,"is not existed"}
{if (!t) {print $0,"other","other"}}
}' file1 file2

yestreenstars

1. [root@localhost ~]# cat a
   
2. Scaffold_10015  Gmira_TNET11_REPET_TEs  match_part      1997    2603    0.0
   
3. Scaffold_10015  Gmira_TNET11_REPET_TEs  match              20118   22709   0.0  
   
4. Scaffold_10016  Gmira_TNET11_REPET_TEs  match              20118   21850   0.0
   
5. [root@localhost ~]# cat b
   
6. Scaffold10015    1800        -       0       0       CHH     CTT
   
7. Scaffold10015    1999        -       0       0       CHH     CTA
   
8. Scaffold10015    2400        -       0       0       CHH     CAA
   
9. Scaffold10015    3000        -       0       0       CHH     CAC
   
10. Scaffold10016    20013       +       0       0       CHH     CAT
    
11. Scaffold10016    21760       -       0       6       CHH     CAT
    
12. Scaffold10017    47000       -       0       6       CHH     CTA
    
13. [root@localhost ~]# awk 'NR==FNR{sub(/_/,"",$1);a[$1]=a[$1]!=""?a[$1]" "$4" "$5:$4" "$5;b[$1]=b[$1]!=""?b[$1]" "$3:$3;next}{for(i=1;i<=split(a[$1],c);i+=2){if($2>=c[i]&&$2<=c[i+1]){split(b[$1],d);print $0"\t"d[(i+1)/2];next}}print $0"\tother"}' a b
    
14. Scaffold10015    1800        -       0       0       CHH     CTT        other
    
15. Scaffold10015    1999        -       0       0       CHH     CTA        match_part
    
16. Scaffold10015    2400        -       0       0       CHH     CAA        match_part
    
17. Scaffold10015    3000        -       0       0       CHH     CAC        other
    
18. Scaffold10016    20013       +       0       0       CHH     CAT        other
    
19. Scaffold10016    21760       -       0       6       CHH     CAT        match
    
20. Scaffold10017    47000       -       0       6       CHH     CTA        other
    
21. [root@localhost ~]#

复制代码

jasonys8

买噶。。只看懂了一半。。。。。

代号：军刀

1. awk 'NR==FNR{a[NR]=$4;b[NR]=$5;next}{split($0,c);k=0;for(i=1;i<=NR;i++){if(c[2]>=a[i] && c[2]<=b[i]){print $0"\t match_part";k+=1}else if(k==0 && i==3){print $0"\t other"}}}' file1 file2

复制代码

yestreenstars

@代号：军刀
他结果中的最后一个字段match和match_part并不是随便一个都行的，是根据第一个文件生成的，而且你连20013这个也匹配了，所以你的脚本肯定有问题。

代号：军刀

回复 5# yestreenstars


    刚刚没去注意他的match和match_part，修改了一下，应该好了

1. awk 'NR==FNR{a[NR]=$3" "$4;b[NR]=$5;next}{split($0,c);k=0;for(i=1;i<=NR;i++){split(a[i],d);if(c[2]>=d[2] && c[2]<=b[i]){print $0"\t"d[1];k+=1;break}else if(k==0 && i==3){print $0"\t other"}}}' file1 file2
   
2. Scaffold10015    1800        -       0       0       CHH     CTT         other
   
3. Scaffold10015    1999        -       0       0       CHH     CTA        match_part
   
4. Scaffold10015    2400        -       0       0       CHH     CAA        match_part
   
5. Scaffold10015    3000        -       0       0       CHH     CAC         other
   
6. Scaffold10016    20013      +       0       0       CHH     CAT  other
   
7. Scaffold10016    21760       -       0       6       CHH     CAT        match
   
8. Scaffold10017    47000       -       0       6       CHH     CTA         other

复制代码

yestreenstars

回复 6# 代号：军刀


    还是有问题，我把file1的内容稍微改动了一下，你拿去测试，比较一下我和你的脚本就知道了：
Scaffold_10015  Gmira_TNET11_REPET_TEs  match_part      1997    2603    0.0   
Scaffold_10015  Gmira_TNET11_REPET_TEs  match_part        20118   22709   0.0     
Scaffold_10016  Gmira_TNET11_REPET_TEs  match              20118   21850   0.0

代号：军刀

回复 7# yestreenstars


    哎，又漏了第一个字段， 从这题来看，你比我仔细很多

代号：军刀

回复 7# yestreenstars


    你用你的代码测试一下下面这内容
Scaffold_10015  Gmira_TNET11_REPET_TEs  match_part      1997    2603    0.0   
Scaffold_10015  Gmira_TNET11_REPET_TEs  match              1996   2996   0.0     
Scaffold_10016  Gmira_TNET11_REPET_TEs  match              20118   21850   0.0

yestreenstars

回复 9# 代号：军刀


    我想你有一个问题没搞清，如果$1相同的话，后面的范围应该是不会重叠的~