Unix环境下如何用data.txt文件的指定列替换data.fam文件的第6列

你需要把data.fam的第6列替换为data.txt中对应样本ID（第1列匹配）的第3列值，但当前的awk命令有两个关键问题，导致第6列被设为空值，最终输出缺失该列：

你的命令错误点 #

awk 'FNR==NR{a[$1]=$2;next}{$6=a[$3]}1' data.txt data.fam >output.fam

1. 存储了错误的列：读取data.txt时，你把第2列的值存在数组a里，但你实际需要的是data.txt的第3列值，应该改为a[$1]=$3
2. 匹配了错误的键：处理data.fam时，你用第3列（$3，也就是样本的父ID，这里都是0）去匹配数组的键，而正确的匹配键应该是data.fam的第1列（样本ID），也就是$1，所以应该改为$6=a[$1]

另外，对于data.fam中存在但data.txt里没有的样本（比如20492），我们需要给它一个默认值（你预期的是0），所以可以在赋值时加上默认判断，避免空值。

正确的awk命令 #

awk 'FNR==NR{a[$1]=$3;next} {$6=($1 in a)?a[$1]:0}1' data.txt data.fam >output.fam

命令解释： #

• FNR==NR{a[$1]=$3;next}：当读取第一个文件data.txt时，用样本ID（第1列）作为键，把第3列的值存入数组a，然后跳过后续逻辑处理下一行
• {$6=($1 in a)?a[$1]:0}：处理第二个文件data.fam时，检查当前样本ID是否在数组a中：
  • 如果存在，就把第6列设为a[$1]（对应data.txt的第3列值）
  • 如果不存在（比如20492），就把第6列设为0（符合你的预期输出）
• 1：等价于print $0，用于输出修改后的每一行

验证结果 #

用这个命令处理你提供的文件，生成的output.fam会完全符合你的预期：

20481 20481 0 0 2 1
20483 20483 0 0 1 1
20488 20488 0 0 2 1
20492 20492 0 0 1 0
20493 20493 0 0 1 0
20498 20498 0 0 2 1

内容的提问来源于stack exchange，提问作者Aryh