【发布时间】:2021-07-09 01:57:07
【问题描述】:
我的文件由多个重复的数据块组成,例如:
# header1
# header2
# header3
# header4
5846 4 1 1579 0 0.943 0.944 2.004 -0.477
6276 4 2 859 775 0 0.936 0.948 1.892 2.000 -0.836
6311 4 3 5075 6225 5757 0 0.637 0.622 0.400 1.663 2.000 -0.729
6381 4 2 2815 4471 0 0.934 0.925 1.861 2.000 -0.737
159 4 2 2275 4444 0 0.928 0.936 1.867 2.000 -0.745
442 5 4 504 1979 3483 584 0 0.910 0.937 0.945 0.931 3.898 0.000 1.420
504 4 2 2230 442 0 0.895 0.910 1.815 2.000 -0.769
584 4 2 442 7135 0 0.931 0.813 1.748 2.000 -0.666
1549 5 4 6293 1979 2256 4130 0 0.908 0.924 0.948 0.932 3.847 0.000 1.407
6329 4 3 6999 1927 5757 0 0.129 0.917 0.531 1.579 2.000 -0.739
# tail1
# tail2
# header1
# header2
# header3
# header4
6104 4 2 2815 3250 0 0.933 0.926 1.866 2.000 -0.729
7035 3 6 45 7395 7220 5576 7135 5046 0 0.320 0.182 0.586 0.721 0.295 0.759 2.864 0.000 1.239
7220 4 3 5892 7035 454 0 0.566 0.586 0.704 1.856 2.000 -0.724
7395 3 6 45 576 2060 3326 7035 7263 0 0.685 0.341 0.493 0.594 0.182 0.256 2.692 0.000 1.128
454 5 4 7220 6363 1851 3638 0 0.704 0.913 0.941 0.935 3.575 0.000 1.150
7146 4 2 838 2830 0 0.905 0.927 1.844 2.000 -0.729
7135 3 5 584 7035 5576 887 5046 0 0.813 0.295 0.249 0.242 0.542 2.192 0.000 1.101
838 5 4 7146 2723 7250 2816 0 0.905 0.937 0.923 0.926 3.814 0.000 1.481
877 5 4 111 887 1884 6108 0 0.916 0.913 0.938 0.937 3.787 0.000 1.450
887 4 3 7135 877 5372 0 0.242 0.913 0.622 1.780 2.000 -0.722
# tail1
# tail2
# header1
# header2
# header3
# header4
....
每个数据块有4个标题行和2个尾行,并且有10个数据行,标题行和尾行之间有不同的列。因此,每个数据块总共有 16 行。相同格式的数据会重复直到文件结束。
我希望仅根据数据块内的第一列对该数据进行排序,以使示例如下:
# header1
# header2
# header3
# header4
159 4 2 2275 4444 0 0.928 0.936 1.867 2.000 -0.745
442 5 4 504 1979 3483 584 0 0.910 0.937 0.945 0.931 3.898 0.000 1.420
504 4 2 2230 442 0 0.895 0.910 1.815 2.000 -0.769
584 4 2 442 7135 0 0.931 0.813 1.748 2.000 -0.666
1549 5 4 6293 1979 2256 4130 0 0.908 0.924 0.948 0.932 3.847 0.000 1.407
5846 4 1 1579 0 0.943 0.944 2.004 -0.477
6276 4 2 859 775 0 0.936 0.948 1.892 2.000 -0.836
6311 4 3 5075 6225 5757 0 0.637 0.622 0.400 1.663 2.000 -0.729
6329 4 3 6999 1927 5757 0 0.129 0.917 0.531 1.579 2.000 -0.739
6381 4 2 2815 4471 0 0.934 0.925 1.861 2.000 -0.737
# tail1
# tail2
# header1
# header2
# header3
# header4
454 5 4 7220 6363 1851 3638 0 0.704 0.913 0.941 0.935 3.575 0.000 1.150
838 5 4 7146 2723 7250 2816 0 0.905 0.937 0.923 0.926 3.814 0.000 1.481
877 5 4 111 887 1884 6108 0 0.916 0.913 0.938 0.937 3.787 0.000 1.450
887 4 3 7135 877 5372 0 0.242 0.913 0.622 1.780 2.000 -0.722
6104 4 2 2815 3250 0 0.933 0.926 1.866 2.000 -0.729
7035 3 6 45 7395 7220 5576 7135 5046 0 0.320 0.182 0.586 0.721 0.295 0.759 2.864 0.000 1.239
7135 3 5 584 7035 5576 887 5046 0 0.813 0.295 0.249 0.242 0.542 2.192 0.000 1.101
7146 4 2 838 2830 0 0.905 0.927 1.844 2.000 -0.729
7220 4 3 5892 7035 454 0 0.566 0.586 0.704 1.856 2.000 -0.724
7395 3 6 45 576 2060 3326 7035 7263 0 0.685 0.341 0.493 0.594 0.182 0.256 2.692 0.000 1.128
# tail1
# tail2
# header1
# header2
# header3
# header4
....
也就是说,我希望每隔 5 行到第 14 行排序一次,保持 header 和 tail 行不变。对于每个数据块:
Line 1~4 = header = just print
Line 5~14 = data = sort by column #1 and print
Line 15~16 = tail = just print
....
对于单个数据块,我可以使用类似的东西:
sort -gk1 data.txt > sorted_data.txt
但是对于具有多个标题行和尾行的重复数据块,不知道该怎么办。我想我需要使用 awk 和 NR 来选择输入文件的目标数据,然后使用 sort 命令,但是我找不到实现这一点的方法。
【问题讨论】:
-
基于 karakfa 的回答和 Ed 的评论:
awk 'BEGIN{cmd="sort -gk1"} /^#[ht]/{close(cmd); print; next}{print | cmd}' data.txt -
@tink 不,它不会对每个数据块的输入数据进行排序。它对整个文件的数据进行排序,但不考虑数据块。所以一次性对整个数据进行排序。
-
"awk 'BEGIN{cmd="sort -gk1"} /^#/{close(cmd); print; next}{print | cmd}' data.txt" 这行得通,但你能写一个答案来解释每个部分的细节?例如,[ht] 在您的答案中做了什么?另外,如果标题和尾部不使用 # 而只是随机文本怎么办?在那种情况下,我想我需要使用行号...
-
它在您提供的 sn-p 上按预期工作。如果这不是你的实际数据,我帮不了你..
-
awk 'BEGIN{cmd="sort -gk1"} /^# [ht]/{close(cmd); print; next}{print | cmd}' data.txt.. 没关系,还是个骗子。