Question

用perl 将两个文件合并，有相同ID的信息都列出来，一个没有的信息以NA替代

第一个文件

A B C D
1 0.31 0.42 0.15 0.22
2 0.17 0.56 0.43 0.27
5 0.21 0.45 0.59 0.73
8 0.44 0.54 0.19 0.57
10 0.32 0.42 0.51 0.50
第二个文件
E F G
1 0.87 0.75 0.88
8 0.49 0.81 0.73
13 0.59 0.91 0.88
14 0.54 0.71 0.67

合并后成为：
A B C D E F G
1 0.31 0.42 0.15 0.22 0.87 0.75 0.88
2 0.17 0.56 0.43 0.27 NA NA NA
5 0.21 0.45 0.59 0.73 NA NA NA
8 0.44 0.54 0.19 0.57 0.49 0.81 0.73
10 0.32 0.42 0.51 0.50 NA NA NA
13 NA NA NA NA 0.59 0.91 0.88
14 NA NA NA NA 0.54 0.71 0.67
上述文件均以tab键隔开的。

Answer 1

程序代码：

my(%d1,%d2,$str,$key,$val);
my($id,$a,$b,$c,$d,$e,$f,$g);
#读取文件1
open(FD,'1');
while(<FD>){
  chomp;
  ($id,$a,$b,$c,$d)=split(/\s+/);
  $d1{$id}="$a\t$b\t$c\t$d";
}
close(FD);
#读取文件2
open(FD,'2');
while(<FD>){
  chomp;
  ($id,$e,$f,$g)=split(/\s+/);
  $d2{$id}="$e\t$f\t$g";
}
close(FD);
#生成文件3
open(FD,'>3');
foreach $id (keys %d1){
  print FD "$id\t".$d1{$id}."\t".(exists($d2{$id})?$d2{$id}:"NA\tNA\tNA")."\n";
  delete($d2{$id}) if (exists($d2{$id}));
}
foreach $id (keys %d2){
  print FD "$id\t".(exists($d1{$id})?$d1{$id}:"NA\tNA\tNA")."\t".$d2{$id}."\n";
}
close(FD);

运行拷屏：

追问

你运行的结果A、B、C、D和E、F、G怎么跑到两行去了？抬头也不对。

追答

你没有对你的文件拷屏，我不知道你的文件究竟什么样子，我不知道你能否理解程序以及稍微修改，你是否明白程序为什么是这样的结果

你有没有用程序对你的数据进行测试，结果怎样？如果你的数据第一行在A前面有个ID或者其它的内容，你能想到输出是什么结果吗？

追问

非常谢谢，其实我第一个文件和第二个文件各有一百列，不用$a,$b,$c,$d,$e,$f,$g这么列举出来，该怎么改呢？

追答

你为什么你拷屏你的文件呢，你觉得你这样描述我明白你的文件什么样子吗，我前面花时间写的代码没有完全令你满意原因是什么呢，就是因为我在要猜测你的文件什么样子。

追问

多谢你的心意，给你看原始文件吧（下图），这两个文件，各有许多列，第一行是样本名，第一列是ID，中间就是该样本在该ID下的值，两个文件第一行样本名不同，第一列ID有相同的，两个文件合并后样本名都列在第一行，中间的值有则全部列进去，无则用NA替代。这样说清楚了吗，如能帮助，感激不尽。

追答

你第一行的列数是否要少一个？

如果第一行的列名没有ID，那么程序代码如下：

use strict;
my(%d1,%d2,$str,$key,$val,$i);
my($id,@a1,@a2,$na1,$na2);
#读取文件1
open(FD,'1');
$i=0;
$na1='';
while(<FD>){
  chomp;
  @a1=split(/\s+/);
  if ($i) {
    $id=$a1[0];
    shift @a1;
  }else{
    $id='id';
    foreach (@a1){
      $na1.="\tNA";
    }
    $na1=substr($na1,1);
  }
  $d1{$id}=join("\t",@a1);
  $i++;
}
close(FD);
#读取文件2
open(FD,'2');
$i=0;
$na2='';
while(<FD>){
  chomp;
  @a2=split(/\s+/);
  if ($i){
    $id=$a2[0];
    shift @a2;
  }else{
    $id='id';
    foreach (@a2){
      $na2.="\tNA";
    }
    $na2=substr($na2,1);
  }
  $d2{$id}=join("\t",@a2);
  $i++;
}
close(FD);
#生成文件3
open(FD,'>3');
print FD "id\t".$d1{'id'}."\t".$d2{'id'}."\n";
foreach $id (keys %d1){
  print FD "$id\t".$d1{$id}."\t".(exists($d2{$id})?$d2{$id}:$na2)."\n";
  delete($d2{$id}) if (exists($d2{$id}));
}
foreach $id (keys %d2){
  print FD "$id\t".(exists($d1{$id})?$d1{$id}:$na1)."\t".$d2{$id}."\n";
}
close(FD);

追问

这两个文件第一行最前面按道理有个Tab，这样每列才能对齐，现在没有，怎么体现这种差别，运行你的代码后初步结果出来了，但多了一行，不知是不是这么原因导致的。

追答

将就用吧，如果你不以考我为目的～～～

现在的代码表头会重复，如何去掉重复的表头，作为课堂联系布置给你吧，简单提示如下：
可以在48行后添加下面的两行语句删除内存中的表头，避免正式数据中再次出现表头：

delete($d1{'id'});
delete($d2{'id'});