按数字排序，然后在同一列上按字母数字排序答案

【问题标题】：sort numerically then alphnumerically on the same column按数字排序，然后在同一列上按字母数字排序
【发布时间】：2018-06-01 09:20:02
【问题描述】：

我有非常大的数据要排序

第 1 列：先是数字，然后是字母
然后在第 2 列：数字。

所以，我的最终输出是这样的：

我在 unix 上使用sort。但是，无论我尝试什么类型，我都会将 chr2 放在顶部或底部。以下是我尝试过的一些类型：它无法给我想要的输出：

sort -V -k1,1n -k2n final_merged.txt > merged-sort.txt
sort -k1,1n -k2n final_merged.txt > merged-sort.txt 
sort -k1,1h -k2n final_merged.txt > merged-sort.txt
sort -k1,1 -k2n final_merged.txt > merged-sort.txt

后期编辑：任何解决此问题的方法，而不会在使用时使内存过载

排序或其他 unix 实用程序
蟒蛇

谢谢，

【问题讨论】：

第 1 列中的前缀是否始终为 chr（或至少相同数量的字符）？
可能会有所不同。这种排序整天给我带来麻烦。我阅读了几个排序教程，但无法解决这个问题。
@chepner : 任何方式都可以解决这个问题。
您想要数字排序，但 'chr2' 不是数字。您需要一个预处理步骤，将第一列拆分为 2 列，其中一个是“chr”（或空白：在只有数字的情况下），然后是数字。可能 sed 或 awk 可以做到这一点

标签： python shell sorting ubuntu unix

【解决方案1】：

试试：

sort -k1,2 -V final_merged.txt

使用您的示例数据运行它会得到：

【讨论】：

完美。我应该移动那个V。

【解决方案2】：

您需要数字排序，但 'chr2' 不是数字。您需要一个预处理步骤，将第一列分成两列，即文本部分和数字部分。

gawk 'match($1, /([^0-9])*([0-9]*)/, a) {print a[1], a[2], $2}' /tmp/abc | sort -t ' ' -k1,1 -k2,2n -k3,3n

使用 gawk 拆分正则表达式，非数字然后是数字，然后是第 2 列（现在用单个空格分隔）。

按单个空格分隔的列排序。

gawk '{print $1 $2, $3}' 重新组合列。

您可能需要修改这些以保留所需的任何空白。

【讨论】：

【解决方案3】：

Python 解决方案：

初始化Natural Sort。

import re

_nsre = re.compile('([0-9]+)')
def natural_sort_key(s):
    return [int(text) if text.isdigit() else text.lower()
            for text in re.split(_nsre, s)]

然后根据需要进行排序：

sorted_data = sorted(data, key=lambda item: (natural_sort_key(str(item[0])), item[1]))

主要对item[0] 和natural sort 进行排序，然后在item[1] 上进行数字排序。

【讨论】：

OP 声明集合不适合内存，这个 python 甚至要求数据在内存中两次