☰

Mesclando vários arquivos com base na coluna comum

tag-icon • tag-icon shell awk merge join
Mesclando vários arquivos com base na coluna comum

Tenho vários arquivos, cada um com duas colunas:

Por exemplo :

arquivo1.txt

ID Value1
1   40
2   30
3   70

arquivo2.txt

ID Value2
3   50
4   70 
9   20

E assim por diante,

arquivo1230.txt

ID Value150
9   98
10  52
2   71

Como faço para mesclar esses arquivos com base na primeira coluna (com base nas interseções entre os arquivos)? Minha saída deveria ser

ID Value1 Value2 Value150
1   40     0      0
2   30     0      71
3   70     50     0
4   0      70     0
9   0      20     98
10  0      0      52

Alguém poderia ajudar com isso usando comandos awk ou Linux.

Obrigado.

Responder1

Aqui está uma maneira de fazer isso usando python.

Código:

import sys

columns = []
data = {}
ids = set()
for filename in sys.argv[1:]:
    with open(filename, 'rU') as f:
        key = next(f).strip().split()[1]
        columns.append(key)
        data[key] = {}
        for line in f:
            if line.strip():
                id, value = line.strip().split()
                try:
                    data[key][int(id)] = value
                except ValueError as exc:
                    raise ValueError(
                        "Problem in line: '{}' '{}' '{}'".format(
                            id, value, line.rstrip()))

                ids.add(int(id))

print('\t'.join(['ID'] + columns))

for id in sorted(ids):
    line = []
    for column in columns:
        line.append(data[column].get(id, '0'))
    print('\t'.join([str(id)] + line))

Resultados:

ID  Value1  Value2  Value150
1   40  0   0
2   30  0   71
3   70  50  0
4   0   70  0
9   0   20  98
10  0   0   52

Responder2

Uma solução Bash com ferramentas de linha de comando. A lista de arquivos de entrada estava fora de ordem, daí a ls -vsaída para cat.

while read line; do
    if [[ "$line" =~ ID ]]; then
        array=${line##* }
        index+=($array)
        continue
    else
        eval $array'[${line% *}]=${line#* }'
    fi
done <<<"$( cat $(ls -v file[0-9]*.txt) )"

printf ID
for name in ${index[@]}; do
    printf ' %s' $name
done
echo

max_ind=$( sort -nu file[0-9]*.txt | tail -n1 | cut -d' ' -f1 )

for (( j = 1 ; j <= $max_ind ; j++ )); do
    for (( i = 0 ; i < ${#index[@]} ; i++ )); do
        value=$( eval 'echo ${'${index[i]}'[j]}' )
        roll+=$( [ "$value" ] &&
            printf "%-${#index[i]}s " $value ||
            printf "%-${#index[i]}s " 0 )
    done
    [[ "$roll" =~ [^0\ ] ]] && printf '%-4s%s\n' $j "$roll"
    unset roll
done

informação relacionada