Question

我有两个 edgelists ，例如：

File1

geneA geneB 0.89

geneA geneD 0.69

geneC geneA 0.76

File2

geneC geneF rank1

geneB geneA rank56

geneA geneC rank20

比较文件1和文件2后，

我应该得到：

geneA geneB 0.89 rank56

geneC geneA 0.76 rank20

因为我的图是无向，并且 geneA-geneB 与 geneB-geneA 相同。

我尝试了耗时较长的python：

f=open('file1.txt', 'r')
f1=open('file2.txt','r')


for i in f.readlines():
    i=i.strip()
    gene_info=i.split()
    gene_info[0]=gene_info[0].strip()
    gene_info[1]=gene_info[1].strip()
    #print gene_info[0], gene_info[1]

for j in f1.readlines():
    i=i.strip()
    loc_info=i.split()
    loc_info[0]=loc_info[0].strip()
    loc_info[1]=loc_info[1].strip()
    if (gene_info[0]==loc_info[0] and gene_info[1]==loc_info[1])or (gene_info[0]==loc_info[1] and gene_info[1]==loc_info[0]):
        print j, '\t', gene_info[2]

任何更快的方式都将受到赞赏。谢谢。

Answer 1

获取与组件值顺序无关的键的惯用方式是对它们进行排序，因此无论值在输入中出现的顺序如何，它们在键中始终保持相同的顺序：

$ cat tst.awk
{ key = ($1 > $2 ? $1 FS $2 : $2 FS $1) }
NR==FNR { a[key] = $3; next }
key in a { print $0, a[key] }

$ awk -f tst.awk file2 file1
geneA geneB 0.89 rank56
geneC geneA 0.76 rank20

Answer 2

您可以尝试以下awk脚本：

awk 'NR==FNR{
       a[$1,$2]=$3;
       a[$2,$1]=$3;
       next
     }
     (($1,$2)in a){
        print $1,$2,a[$1,$2],$3
     }' file1 file2

数组a存储两个索引的两个组合的十进制值。

当两个索引都在数组a中时，主循环仅打印该行。

根据列值附加两个边缘列表文件

2 个答案: