如何使用Perl合并行数不同且ID顺序不一致的Data Frame？

首先咱们得先明确两个核心问题：

• 补充DF里的ID带.1后缀，和主DF的ID本质相同，得先去掉这个后缀才能匹配
• ID的顺序可能颠倒（比如主DF是ID1=AVP78042、ID2=ATO98108，补充DF可能是ID_1=ATO98108.1、ID_2=AVP78042.1），所以要支持双向匹配

下面我会修改你的Perl脚本，解决这两个问题，实现你要的合并效果：

use strict;
use warnings;
use feature qw{ say };

# 加载补充数据，建立双向ID映射的哈希表
sub load_complementary {
    my ($file) = @_;
    my %value_map;
    
    open my $in, '<', $file or die "无法打开补充文件 $file: $!";
    my $header = <$in>; # 跳过表头行
    while (<$in>) {
        chomp;
        my ($distance, $id1, $id2, $value) = split /\t/;
        
        # 去掉ID末尾的.1后缀，统一格式
        $id1 =~ s/\.1$//;
        $id2 =~ s/\.1$//;
        
        # 存储双向映射：(id1,id2)和(id2,id1)都指向同一个value
        $value_map{"$id1|$id2"} = $value;
        $value_map{"$id2|$id1"} = $value;
    }
    close $in;
    return \%value_map;
}

# 处理主数据，合并Value列
sub process_main {
    my ($main_file, $value_map) = @_;
    
    open my $in, '<', $main_file or die "无法打开主文件 $main_file: $!";
    my $header = <$in>;
    chomp $header;
    # 输出新表头：在原表头后追加Value列
    say "$header\tValue";
    
    while (<$in>) {
        chomp;
        my @columns = split /\t/;
        my ($id1, $id2) = @columns[0, 1];
        
        # 查找对应的Value，找不到则填充'-'
        my $key = "$id1|$id2";
        my $value = exists $value_map->{$key} ? $value_map->{$key} : '-';
        
        # 输出合并后的完整行
        say join "\t", @columns, $value;
    }
    close $in;
}

# 主逻辑：先加载补充数据建立映射，再处理主数据完成合并
my ($complementary_file, $main_file) = @ARGV;
die "请传入参数：补充文件路径 主文件路径" unless $complementary_file && $main_file;

my $value_map = load_complementary($complementary_file);
process_main($main_file, $value_map);

关键细节说明 #

1. 后缀统一处理：用正则表达式s/\.1$//去掉补充DF中ID末尾的.1，确保和主DF的ID格式完全一致
2. 双向映射哈希：把IDa|IDb和IDb|IDa作为键存入哈希表，不管ID顺序如何都能匹配到对应Value
3. 表头与缺失值处理：自动给主DF表头添加Value列，找不到匹配的ID对时用'-'填充，完全符合你的预期输出
4. 文件兼容性：默认按TSV（制表符分隔）格式读取，和你提供的示例数据格式一致

使用方法 #

把脚本保存为merge_dfs.pl，在命令行运行：

perl merge_dfs.pl complementary.tsv main.tsv > merged_output.tsv

（替换成你实际的文件路径即可，输出结果会保存到merged_output.tsv中）

示例测试验证 #

用你给出的示例数据测试：

• 主DF中的AVP78042和ATO98108会匹配到补充DF中的对应ID对，Value填充0.29731
• 其他无匹配的ID对（比如AVP78042和AVP78031）会填充'-'，和你预期的输出完全一致

内容的提问来源于stack exchange，提问作者Someone_1313