☰

2 つのファイル内の文字列を一致させて文字列を置換するにはどうすればよいですか?

tag-icon • tag-icon awk
2 つのファイル内の文字列を一致させて文字列を置換するにはどうすればよいですか?

次のようなファイルがあります: (308545 行あります)

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
...

そして、最初の 24 行がコメント化され、コンマで区切られた別のファイル (marker-info) は次のようになります (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 番目の列に一致する値を持つ marker-info の 5 番目の列に置き換えたいので、この例では 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

これを試してみましたが、空のファイルが得られました:

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：

これを実行してみました:

 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、私はこれを手に入れました:

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

スクリプトの問題は、11:775852:T:Cという形式のキーを持つマップ内のキーとして、のような文字列を使用しようとしていたことです775852。

コメントで最初の列は必要ないと思われると述べられていたため、この処理では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以前は、文字列の関連部分を取得して条件を追加していました。その部分文字列が処理されるまで、必要な検索を実行する方法がなかったためです。

これは要求どおりに機能するようです:

[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、持っていると思われる列と一致していることを確認します。出力をタブ区切りにしたい場合は、OFS次のようにスクリプトの後半で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:コマンド内の変数を変更して、output11.frq の区切り文字を空白に変更しました。これにより、タブの数による煩わしさがなくなります。

関連情報