使用Python按第一（或第二，或其他）列对文件进行排序

Question

这似乎是一个非常基础的问题，但我对Python还不熟悉，在花费很长时间尝试自己解决后，我认为现在是时候向更高级的人询问了！

那么，我有一个文件（示例）：

ENSMUSG00000098737  95734911    95734973    3   miRNA
ENSMUSG00000077677  101186764   101186867   4   snRNA
ENSMUSG00000092727  68990574    68990678    11  miRNA
ENSMUSG00000088009  83405631    83405764    14  snoRNA
ENSMUSG00000028255  145003817   145032776   3   protein_coding
ENSMUSG00000028255  145003817   145032776   3   processed_transcript
ENSMUSG00000028255  145003817   145032776   3   processed_transcript
ENSMUSG00000098481  38086202    38086317    13  miRNA
ENSMUSG00000097075  126971720   126976098   7   lincRNA
ENSMUSG00000097075  126971720   126976098   7   lincRNA

我需要写一个新文件，包含和原文件相同的信息，但按第一列排序。

目前我使用的是：

lines = open(my_file, 'r').readlines()
output = open("intermediate_alphabetical_order.txt", 'w')

for line in sorted(lines, key=itemgetter(0)):
    output.write(line)

output.close()

我的代码没有返回任何错误，但输出文件与输入文件完全相同。

我知道这肯定是一个非常基本的错误，但如果有人能告诉我我错在哪里，那就太棒了！

非常感谢！

编辑

我遇到了文件打开方式的问题，所以关于已经打开数组的答案并不能帮助我。

- Tiana

---

你尝试过逐行读取并压缩吗？ - m_callens

嗨，我认为这个问题可能已经在以下链接中得到回答：https://dev59.com/u2Ij5IYBdhLWcg3wmWC1，https://dev59.com/XGIj5IYBdhLWcg3whFUI，... - bufh

@bufh 不完全是，这些解释了如何做OP已经尝试过的事情。 - SuperBiasedMan

@bufh 是的，我看到了这些答案，但我遇到困难的部分与读取文件的方式有关，因此已经谈论数组的答案对我没有帮助。 无论如何，谢谢 :) - Tiana

Answer 1

你遇到的问题是没有将每一行转换为列表。当你读取文件时，只是将整行作为字符串读入。然后按照每行的第一个字符进行排序，而在你的输入中这个字符总是相同的，即'E'。

如果只想按照第一列排序，需要将第一块分离出来并仅读取该部分。因此，你的关键字应该是这样的：

for line in sorted(lines, key=lambda line: line.split()[0]):

< p > split将把您的行转换为列表，然后从该列表中取出第一列。

- SuperBiasedMan

Answer 2

如果您的输入文件是以制表符分隔的，您也可以使用csv模块。

import csv
from operator import itemgetter
reader = csv.reader(open("t.txt"), delimiter="\t")

for line in sorted(reader, key=itemgetter(0)):
    print(line)

按第一列排序。

更改中的数字

key=itemgetter(0)

按不同列进行排序。

- Revan

---

你还需要在开头加入 from operator import itemgetter。 - domi

@domi：谢谢你提醒，我已经更新了我的答案。 - Revan

Answer 3

与SuperBiasedMan的想法相同，但我更喜欢这种方法：如果您想要另一种排序方式（例如：如果第一列匹配，则按第二列，然后是第三列等进行排序），则更容易实现。

with open(my_file) as f:
    lines = [line.split(' ') for line in f]
output = open("result.txt", 'w')

for line in sorted(lines):
    output.write(' '.join(line), key=itemgetter(0))

output.close()

- Soronbe

Answer 4

你可以编写一个函数，该函数使用csv.reader解析文件，并按列排序，函数需要输入文件名、分隔符和排序列作为参数。

from operator import itemgetter

import  csv

def sort_by(fle,col,delim):
    with open(fle) as f:
        r = csv.reader(f, delim=delim)
        for row in sorted(r, key=itemgetter(col)):
            yield row

for row in sort_by("your_file",2, "\t"):
     print(row)

- Padraic Cunningham

Answer 5

您可以使用pandas快速完成此操作，步骤如下，数据文件设置完全与您展示的相同（即，使用变量空格作为分隔符）：

import pandas as pd
df = pd.read_csv('csvdata.csv', sep=' ', skipinitialspace=True, header=None)
df.sort(columns=[0], inplace=True)
df.to_csv('sorted_csvdata.csv', header=None, index=None)

只是为了检查结果：

with open('sorted_csvdata.csv', 'r') as f:
    print(f.read())

ENSMUSG00000028255,145003817,145032776,3,protein_coding
ENSMUSG00000028255,145003817,145032776,3,processed_transcript
ENSMUSG00000028255,145003817,145032776,3,processed_transcript
ENSMUSG00000077677,101186764,101186867,4,snRNA
ENSMUSG00000088009,83405631,83405764,14,snoRNA
ENSMUSG00000092727,68990574,68990678,11,miRNA
ENSMUSG00000097075,126971720,126976098,7,lincRNA
ENSMUSG00000097075,126971720,126976098,7,lincRNA
ENSMUSG00000098481,38086202,38086317,13,miRNA
ENSMUSG00000098737,95734911,95734973,3,miRNA

您可以通过在列 colmuns=[...] 关键字参数中添加额外的列来进行多列排序。

- Steve Misuta

Answer 6

这里还有另一个选项。与上面的一些想法类似。基本上，mysort是一个函数，它将为您执行自定义排序，这里的排序是基于

def mysort(line):
    return line.split()[0]

with open("records.txt", "r") as f:
    text = f.readlines()

for line in sorted(text, key=mysort):
    print line

- maverick928