连接大文件而不使用其顶层行python或bash？

Question

我有10.txt文件的基因型数据-每个都来自不同的染色体。它们每行的列数都相同，而且列的顺序也都相同。每个文件以相同的第一行开始。在

我想做的是将所有10个文件按chr1，chr2，chr3…chr10的顺序附加到一个基因型文件中。但是，我希望只保留chr1的头行，这样它将保留头行，并在将它们全部连接在一起之前从后续染色体中删除所有的头。在

例如，如果我有：

文件1：

chr, position, geno1, geno2
1, 100, A, C
1, 200, G, T

文件2：

^{pr2}$

我想以组合文件结尾：

chr, position, geno1, geno2
1, 100, A, C
1, 200, G, T
2, 50, T, A
2, 150, C, G

考虑到每个文件的大小为400-600Mb，而生成的文件大约为6Gb，那么最好/最快的方法是什么？我对编写Python和linuxshell脚本比较满意，但是解释一下为什么代码很快以及它在做什么将是一个加分！谢谢！在

Answer 1

最快的方法就是不去做。在

例如，如果要将最终文件输入程序，则可以使用：

{
  head -n 1 file1
  for f in file{1..10}
  do
    tail -n +2 "$f"
  done
} | yourprogram

这将生成一个与您描述的完全相同的流并将其提供给您的程序，但不会浪费时间将其写入文件。在

如果您确实需要一个文件，可以使用> file，而不是| yourprogram。对于您的少量数据来说，这已经足够好了。在

当您的数据达到TB范围时，您可以开始考虑跨设备的预分配和并行写入。在

Answer 2

你能做到的

cp chr1 output
for f in chr[2-9] chr10; do sed -n '2,$p' $f >> output; done

评论后更新
实际上，用尾巴更简单

^{pr2}$