Sortowanie numeryczne w pliku rozdzielanym przecinkami w systemie Unix

8

Mam plik oddzielony przecinkami, który wygląda następująco:

100,00869184
6492,8361
1234,31
200,04071

Chcę użyć, sortaby posortować ten plik numerycznie tylko według pierwszej kolumny .

Pożądany rezultat:

100,00869184
200,04071
1234,31
6492,8361

Jak to osiągnąć za pomocą sortowania? Wygląda na to, że przecinki są traktowane jak separatory tysięcy zamiast separatorów, nawet jeśli nazywam je jako takie.

Zarówno sort -t',' -ni sort -t',' -nk1'daj mi to:

1234,31
200,04071
6492,8361
100,00869184

Sortowanie według wartości domyślnych (brak parametrów) lub użycie sort -t','daje mi to:

100,00869184
1234,31
200,04071
6492,8361

Sortowanie według liczby sort -ndaje mi to:

1234,31
200,04071
6492,8361
100,00869184

Jak mogę użyć sortowania, aby osiągnąć pożądany rezultat?

Edytowano, aby dodać: Jest to jednorazowa operacja, aby utworzyć posortowaną listę około 7 milionów linii, więc obejścia lub inne niekonwencjonalne metody są całkowicie dopuszczalne.

— dpatchery
źródło

przykłady, które tu widzę , wydają się pokazywać -topcję spacji między -tpostacią a postacią

— SeanC

Pierwsza myśl - użyj cięcia. Wybiera tylko określoną kolumnę na podstawie danego separatora. Również odpowiedź „Artem Ice” z tr. Kocham tr. Jestem jednak zbyt leniwy, aby to napisać i przetestować. Twoje zdrowie!

— Vorac,

Możliwe to samo dla tab char: stackoverflow.com/questions/1037365/…

— Ciro Santilli 冠状病毒审查六四事件法轮功

9

Jest to z pewnością nieprzyzwoite obejście, ale wymyśliłem sposób na zrobienie tego dzięki poradom @ slhck na temat lokalizacji. Jeśli pojawi się lepsza odpowiedź, która byłaby bardziej pomocna dla innych, na pewno ją zaakceptuję, ponieważ w zasadzie działa to tylko na mój konkretny problem.

Ustawiłem ustawienia regionalne na hiszpańskie (boliwijskie), aby przecinki były traktowane jak kropki dziesiętne, a następnie standardowe sortowanie numeryczne załatwiło sprawę.

$ export LC_NUMERIC="es_BO.utf8"

$ cat test.csv
100,00869184
6492,8361
1234,31
200,04071

$ sort -n test.csv
100,00869184
200,04071
1234,31
6492,8361

— dpatchery
źródło

Ach, rozumiem, sugerowałbym użycie niemieckiego locale lub podobnego. Nie mogę teraz wymyślić niczego innego bez możliwości przetestowania tego lub dostępnych narzędzi, ponieważ jest to dość rzadka wersja Uniksa.

— slhck

@slhck To wydaje się być sednem większości problemów, które utknąłem w systemie UNIX :) Dziękuję za pomoc w doprowadzeniu mnie do rozwiązania, niezależnie od tego.

— dpatchery

6

GNU sortrobi to domyślnie:

$ cat test
100,00869184
6492,8361
1234,31
200,04071

$ gsort -nt',' < test
100,00869184
200,04071
1234,31
6492,8361

Wersja:

$ gsort --version
sort (GNU coreutils) 8.19

Jest jednak jedno zastrzeżenie: jeśli sortowanie nie działa zgodnie z oczekiwaniami, localeprawdopodobnie ustawiono coś innego niż C. Dlaczego to? localedefiniuje sortowanie i interpretację liter, cyfr, znaków dziesiętnych i tak dalej.

Aby to sprawdzić, wystarczy wpisać localew terminalu. Być może jest LC_NUMERICustawiony en_US.UTF-8? To by wyjaśniało niewłaściwy porządek sortowania. Ustaw z powrotem na C:

export LC_NUMERIC=C

Następnie spróbuj sortponownie wykonać polecenie. Jeśli chcesz ustawić swój globalny localena C, zrób to za pomocą:

export LC_ALL=C

— slhck
źródło

W moim środowisku nie mam dostępu do GNU. Czy to coś, co mogę łatwo uzyskać, a następnie usunąć po zakończeniu? HMU na czacie, jeśli ktoś chciałby mi pomóc to zrobić ... Jestem nowicjuszem w systemie UNIX.

— dpatchery

Jestem prawie pewien, że to tylko localeproblem. Ale co sort --versionwłaściwie jest dla ciebie?

— slhck

sort --version daje mi nielegalny argument. --polecenia też dla mnie nie działały. Sprawdziłem stronę podręcznika i nie ma żadnej jawnie wywołanej wersji, ale zawiera „HP-UX 11i wersja 2: sierpień 2003”, jeśli to w ogóle pomaga. Mój LC_NUMERIC jest ustawiony na „C”.

— dpatchery

Na przykład niemieckie ustawienia narodowe byłyby używane ,jako separator dziesiętny. Jednak nigdy nie korzystałem z HP-UX.

— slhck

1

Spróbuj dodać -gopcję, która ma służyć do sortowania numerycznego.

Próbować:

sort -t',' -g <whatever>

— Fan wentylatora John
źródło

Czy -nsortowanie numeryczne nie jest ? -g daje mi nielegalną opcję.

— dpatchery

-gjest general-numeric-sortopcją i powinna być dostępna w każdej najnowszej wersji sort. @dpatchery

— slhck

To jest w moim miejscu pracy, więc prawie na pewno nie mam najnowszej wersji :)

— dpatchery

0

Wymień ogranicznik:

cat commafile | tr , " " | sort -n

- powinien ci pomóc.

— defhlt
źródło