Finding Matches entre duas colunas de arquivos diferentes e imprimindo uma coluna diferente

Question

Eu estava tentando descobrir como ver se havia alguma correspondência entre a coluna 2 de file1 e a coluna 6 de file2 . Se assim for, eu queria que a correspondência impressa junto com a respectiva string na coluna 14 de file2 , salva em um arquivo diferente, file3 .

arquivo1:

  1 ENSCAFT00000037911
  1 ENSCAFT00000046425
  1 ENSC
  1 ENSCAFT00000009252
  1 ENSCAFT00000049028
  1 ENSC
  2 AFT00000000014
  2 ENSCAFT00000042968
  2 ENSCAFT000000

arquivo2:

   1 13336837 13358107 -1 SERPINB7 AFT00000000014 ENSCAFG00000023436 34.51 13.70 16.30 7.80 18.85 10.21 0.50 
   1 14028702 14130819 -1 PHLPP1 ENSCAFT00000000123 ENSCAFG00000000070 1531.81 1090.63 518.08 559.90 581.70 1126.21 0.41 
   1 14702158 14789303 1 PIGN ENSCAFT00000000137 ENSCAFG00000000083 979.07 882.88 296.70 272.97 369.74 877.13 0.31 
   1 17154193 17210961 -1 ZNF532 ENSCAFT00000049028 ENSCAFG00000000103 31.62 58.98 13.83 23.80 27.50 15.38 0.42 
   1 17154246 17210961 -1 NA ENSCAFT00000000164 ENSCAFG00000000103 31.62 58.98 13.83 23.80 27.50 15.38 0.42 
   1 17491358 17563171 1 ALPK2 ENSCAFT00000000169 ENSCAFG00000000107 12.18 10.55 39.99 31.41 210.85 15.82 3.14 
   1 18214832 18277601 1 ATP8B1 ENSCAFT00000000203 ENSCAFG00000000123 751.98 827.35 373.91 394.89 571.98 711.16 0.49 

Saída desejada:

    ENSCAFT00000049028 0.42
    AFT00000000014 0.50 

O pedido não importa.

    

Answer 1

Simples com join :

join -1 2 -2 6 -o 1.2,2.14 <(sort -k2 file1) <(sort -k6 file2 )

• -1 2 define que em file1 o campo 2 é o campo de junção.
• -2 6 define que em file2 o campo 6 é o campo de junção.
• -o 1.2,2.14 é o formato de saída file1 campo 2 seguido por file2 campo 14.
• <(sort ...) os dois arquivos devem ser classificados no campo de associação -k para join para funcionar corretamente.

Ou com awk (não precisa de uma entrada classificada):

awk 'FNR==NR{a[$2]=$0} FNR!=NR&&a[$6]{print $6,$14}' file1 file2

• FNR==NR aplica-se ao primeiro arquivo file1 :
  • a[$2]=$0 preenche a matriz a com o segundo campo $2 como índice.
• FNR!=NR aplica-se ao segundo arquivo file2 :
• a[$6] se o 6º campo $6 estiver presente na matriz a .
  • print $6,$14 imprime os dois valores.