Compare os valores de uma coluna com todos os valores em outra coluna

Question

Eu tenho 2 arquivos de entrada. Cada linha de File1 deve ser comparada a cada linha de File2 .

A lógica é:

1. Se Column1 de File1 não corresponder a Column1 (todos os valores abaixo) de File2 , imprima a linha inteira de File1 no arquivo de saída. Da mesma forma, compare cada valor de Column1 para cada valor em Column1 de File2 .

2. Se Column1 dos dois arquivos corresponder e se o valor de Column2 de File1 for maior que N+10 ou menor que N-10 , em que N é o valor de Column2 de File2 , apenas imprima a linha inteira de File1 e compare todas as linhas em File2 desta forma.

File1 :

Contig1  23
Contig1  42
Contig2  68
Contig3  89
Contig3  102
Contig7  79

File2 :

Contig1  40
Contig1  49
Contig3  90
Contig2  90
Contig20 200
Contig1  24

Resultado esperado:

Contig2  68
Contig3  102
Contig7  79

Qualquer solução, mesmo aquelas sem awk ou sed , farão isso.

Encontrei um problema semelhante, mas não sei exatamente o que devo fazer:

Aqui está o código:

  'NR==FNR { 
   lines[NR,"col1"] = $1
   lines[NR,"col2"] = $2
   lines[NR,"line"] = $0
   next
    }
   (lines[FNR,"col1"] != $1) {
    print lines[FNR,"line"]
    next
    }
   (lines[FNR,"col2"]+10 < $2 || lines[FNR,"col2"]-10 > $2) {
    print lines[FNR,"line"]
    }' file1 file2'

    

Answer 1

O script abaixo faz o seguinte, acho que é isso que você queria:

1. Se um contig do arquivo1 não estiver presente no arquivo2, imprima todas as linhas desse contig.
2. Se estiver presente no arquivo2, então, para cada valor do arquivo1, imprima-o apenas se não for menor que qualquer valor contig do arquivo2 -10 ou maior que qualquer valor do arquivo2 +10.

#!/usr/bin/env perl

my (%file1, %file2);

## read file1, the 1st argument
open(F1,"$ARGV[0]");
while(<F1>){
    chomp;
    ## Split the line on whitespace into the @F array.
    my @F=split(/\s+/); 

    ## Save all lines in the %file1 hash.
    ## $F[0] is the contig name and $F[1] the value.
    ## The hash will store a list of all values
    ## associated with this contig.
    push @{$file1{$F[0]}},$F[1];
}
close(F1);
## read file2, the second argument
open(F2,"$ARGV[1]"); 
while(<F2>){
    ## remove newlines
    chomp;
    ## save the fields into array @F
    my @F=split(/\s+/); 
    ## Again, save all values associated with each
    ## contig into the %file2 hash. 
    push @{$file2{$F[0]}},$F[1];
}
close(F2);

## For each of the contigs in file1
foreach my $contig (keys(%file1)) {
    ## If this contig exists in file 2
    if(defined $file2{$contig}){
        ## get the list of values for that contig
        ## in each of the two files
        my @f2_vals=@{$file2{$contig}};
        my @f1_vals=@{$file1{$contig}};
        ## For each of file1's values for this contig
        val1:foreach my $val1 (@f1_vals) {
                ## For each of file2's value for this contig
                foreach my $val2 (@f2_vals) {
                    ## Skip to the next value from file1 unless
                    ## this one falls within the desired range.
                    unless(($val1 < $val2-10) || ($val1 > $val2+10)){
                        next val1;
                    }
                }
                ## We will only get here if none of the values
                ## fell within the desired range. If so, we should
                ## print the value from file1.
                print "$contig $val1\n";
            }
    }
    ## If this contig is not in file2, print the
    ## lines from file1. This will print all lines
    ## from file1 whose contig was not in file2.
    else {
        print "$contig $_\n" for @{$file1{$contig}}
    }
}

Salve isso em um arquivo de texto (digamos foo.pl ), torne-o executável ( chmod a+x foo.pl ) e execute-o assim:

./foo.pl file1 file2

No seu exemplo, ele retorna:

$ foo.pl file1 file2 
Contig2 68
Contig3 102
Contig7 79