通過python中的第一個（或第二個，或其他）列對文件進行排序

Question

這似乎是一個非常基本的問題，但我是python的新手，在花了很長時間試圖找到自己的解決方案后，我認為是時候問一些更高級的人了！

所以，我有一個文件（樣本）：

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

我需要編寫一個包含所有相同信息的新文件，但按第一列排序。

到目前為止我使用的是：

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()

它不會返回任何錯誤，但只是將輸出文件寫為輸入文件。

我知道這肯定是一個非常基本的錯誤，但如果你們中的一些人能夠告訴我我做錯了什么，那就太棒了！

非常感謝！

編輯

我打開文件的方式有問題，所以有關已經打開的數組的答案並沒有真正幫助。

Answer 1

如果輸入文件是以制表符分隔的，則還可以使用csv模塊。

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

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

按第一欄排序。

更改號碼

key=itemgetter(0)

用於按不同的列排序。

Answer 2

你遇到的問題是你沒有把每一行都變成一個列表。 當您讀入文件時，您只是將整行作為字符串。 然后按照每行的第一個字符進行排序，這在輸入中始終是相同的字符'E' 。

要按第一列排序，您需要關閉第一個塊，然后只讀取該部分。 所以你的關鍵應該是：

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

split會將您的行轉換為列表，然后從該列表中獲取第一列。

Answer 3

與SuperBiasedMan相同的想法，但我更喜歡這種方法：如果你想要另一種排序方式（例如：如果第一列匹配，按第二列排序，然后是第三列等），則更容易實現

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()

Answer 4

您可以編寫一個函數，使用csv.reader解析文件，使用文件名，分隔符和列進行排序：

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)

Answer 5

您可以使用pandas快速完成此操作，如下所示，數據文件的設置與您顯示的完全相同 （即，使用可變空格作為分隔符）：

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)

只是為了檢查結果：

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

您可以通過在colmuns = [...]關鍵字參數中向列表中添加其他列來執行多列排序。

Answer 6

這是另一種選擇。 類似於上面的一些想法。 基本上，mysort是一個函數，它將為你做基於的自定義排序

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