如何在Bash中从多个TSV表的列生成新合并表？

方法一：用cut+paste（简单易理解） #

这种方法依赖基础文本处理命令，步骤清晰，适合快速上手：

1. 从第一个TSV文件提取name列作为新表的首列：

cut -f1 first_sample.tsv > name_col.tmp

将first_sample.tsv替换成你的任意一个目标文件名即可。

2. 遍历所有TSV文件，提取每个文件的第5列（reads列）并保存为临时文件：

for f in *.tsv; do
    cut -f5 "$f" > "${f%.tsv}_reads.tmp"
done

${f%.tsv}会自动去掉文件名的.tsv后缀，生成的临时文件会以xxx_reads.tmp命名。

3. 用paste命令将name列和所有reads临时文件按行合并，生成最终表格：

paste name_col.tmp *_reads.tmp > reads_table.tsv

4. 清理临时文件：

rm name_col.tmp *_reads.tmp

方法二：用awk（高效无临时文件） #

针对50个文件的场景，awk可以一次性处理所有文件，无需生成临时文件，效率更高：

awk -F'\t' '
    # 处理表头行
    FNR == 1 {
        if (NR == FNR) {
            # 第一个文件：输出表头，首列为name，后续列为去掉.tsv后缀的文件名
            printf "name"
            for (i=1; i<ARGC; i++) {
                sub(/\.tsv$/, "", ARGV[i])
                printf "\t%s", ARGV[i]
            }
            print ""
        }
        next  # 跳过所有文件的表头行
    }
    # 处理第一个文件的内容：存储name列到数组
    NR == FNR {
        name[FNR] = $1
        next
    }
    # 处理其他文件：存储对应行的reads列（第5列）
    {
        reads[ARGIND][FNR] = $5
    }
    # 最终输出所有内容
    END {
        for (line=2; line<=length(name); line++) {
            printf "%s", name[line]
            for (file_idx=2; file_idx<ARGC; file_idx++) {
                printf "\t%s", reads[file_idx][line]
            }
            print ""
        }
    }' *.tsv > reads_table.tsv

注意事项 #

• 必须确保所有TSV文件的name列顺序和内容完全一致，否则两种方法都会出现行不匹配的问题。
• 如果文件名包含空格或特殊字符，务必用双引号包裹文件名变量（比如方法一中的"$f"）。
• 若不需要处理所有.tsv文件，可替换*.tsv为具体的文件名列表，比如sample1.tsv sample2.tsv ...。

内容的提问来源于stack exchange，提问作者Valentin