如何对两个文件进行筛选

蓝色未央

处理文件时，遇到下面的问题，请教大神解决：
1.txt
chr7                 121057199
chr7                 162375770
chr12         19525191
chr12         20519954




2.txt
chr7    127231353       127231759       +       ENST00000000233 ENSG00000004059 mRNA    utr3_0
chr7    127228399       127228553       +       ENST00000000233 ENSG00000004059 mRNA    utr5_0
chr12   9098014          9098180           -       ENST00000000412 ENSG00000003056 mRNA    cds_4
chr12   9098825          9099000           -       ENST00000000412 ENSG00000003056 mRNA    cds_5



需要的结果是判断第一列相同，1.txt文件的第二列的数值在2.txt的2,3列之间，然后输出的结果类似

chr7    127231353       127231759       +       121057199       ENSG00000004059

感谢啊

sunzhiguolu

需要的结果是判断第一列相同，1.txt文件的第二列的数值在2.txt的2,3列之间

这句话怎样理解？

chengchow

1. [root@iZuf62sazcxqandkv55wyjZ tmp]# cat 1.txt
   
2. chr7                 127231354
   
3. chr7                 162375770
   
4. chr12         19525191
   
5. chr12         20519954
   
6. [root@iZuf62sazcxqandkv55wyjZ tmp]# cat 2.txt
   
7. chr7    127231353       127231759       +       ENST00000000233 ENSG00000004059 mRNA    utr3_0
   
8. chr7    127228399       127228553       +       ENST00000000233 ENSG00000004059 mRNA    utr5_0
   
9. chr12   9098014          9098180           -       ENST00000000412 ENSG00000003056 mRNA    cds_4
   
10. chr12   9098825          9099000           -       ENST00000000412 ENSG00000003056 mRNA    cds_5
    
11. [root@iZuf62sazcxqandkv55wyjZ tmp]# awk 'NR==FNR{a[FNR,$1]=$2}a[FNR,$1]&&a[FNR,$1]>=$2&&a[FNR,$1]<=$3{print $1,$2,$3,$4,a[FNR,$1],$6}' 1.txt 2.txt
    
12. chr7 127231353 127231759 + 127231354 ENSG00000004059
    

复制代码

修改了1.txt第二列测试输出

gobuhei

awk  'NR==FNR{a[FNR$1]=$2;next}a[FNR$1]>=$2 && a[FNR$1]<=$3{print $1,$2,$3,$4,a[FNR$1],$6}' file1.txt file2.txt

william_djj

回复 1# 蓝色未央
要不要考虑两个文件第一列数目不对应的情况呢？  例如：

1.txt
chr7                 121057199
chr7                 162375770
chr7                 127228400
chr12         19525191
chr12         20519954


2.txt
chr7    127231353       127231759       +       ENST00000000233 ENSG00000004059 mRNA    utr3_0
chr7    127228399       127228553       +       ENST00000000233 ENSG00000004059 mRNA    utr5_0
chr12   9098014          9098180           -       ENST00000000412 ENSG00000003056 mRNA    cds_4
chr12   9098825          9099000           -       ENST00000000412 ENSG00000003056 mRNA    cds_5

wh7211

回复 1# 蓝色未央


为了直观，修改一下示例中的数字。
cat 1
chr7          3
chr7          6
chr12         7
chr12         8

cat 2
chr7  1  5  +  ENST00000000233  ENSG00000004059  mRNA  utr3_0
chr7  1  5  +  ENST00000000233  ENSG00000004059  mRNA  utr5_0
chr12  1  5  -  ENST00000000412  ENSG00000003056  mRNA  cds_4
chr12  1  5  -  ENST00000000412  ENSG00000003056  mRNA  cds_5

1. awk 'FILENAME==ARGV[1]{a[NR,$1]=$2;next}{if(a[FNR,$1]&&a[FNR,$1]>$2&&a[FNR,$1]<$3){print $1,$2,$3,$4,a[FNR,$1],$6}}' 1 2

复制代码

输出：
chr7 1 5 + 3 ENSG00000004059