Komplexer sort (natürliche Sortierung) (gelöst) (Allgemeines zu Perl)

[thread]17932[/thread]

Komplexer sort (natürliche Sortierung) [gelöst]

Tags: perl5 Ähnliche Threads

Leser: 28

Articles: hide open all | hide show old branches

+14 replies
Student87

2012-11-23 17:10

User since
2012-11-08
73 Artikel
BenutzerIn

Hi!

Sorten nach mehreren Spalten hab ich schon rausbekommen, aber hier komm ich nach ein bisschen rumprobieren und googeln nicht weiter und die Doku zum Thema sort ist für mich nicht greifbar.

Wie mache ich aus

chr10
chr10
chr10
chr10
chrY
chrY
chrY
chr1
chr1
chr1
chrX
chrX
chrX
chrX
chr2
chr2
chr2

kurz und elegant das folgende:

chr1
chr1
chr1
chr2
chr2
chr2
chr10
chr10
chr10
chr10
chrX
chrX
chrX
chrX
chrY
chrY
chrY

Ich habe einen Ansatz probiert, der mir umständlich erschien: zuerst "chr" in ne eigene spalte verfrachten und dann nur die andere spalte betrachten. wenn ich diese andere spalte (wo die zahlen und X/Y drin stehen) jetzt mit $a cmp $b (strings) vergleiche, bekomme ich schonmal am ende X, Y (schön) und die zahlen davor. die zahlen sind aber unsorted. also war meine Idee, um die Zahlen ebenfalls zu sorten sowas wie

$a cmp $b || $a <=> $b

Aber erstens funktioniert das nicht (Warum ist mir ausnahmsweise mal nicht so wichtig aber wenn jemand gerne erklärt, raus damit ;)) und zweitens gefällt mir mein Ansatz generell nicht, weil ich erst für "chr" ne eigene Spalte mache. Das geht doch bestimmt schöner/leichter oder?

modedit Editiert von GwenDragon: Titel ergänzt
Last edited: 2012-11-29 13:49:29 +0100 (CET)
- +13 replies
- pq
  
  2012-11-23 17:25
  User since
  2003-08-04
  12208 Artikel
  Admin1
  du kannst den string im sort aufsplitten:
  
  Code (perl): (dl )
  
  1 2 3 4 5
  
  my @sorted = sort { my ($chr_a, $num_a) = $a =~ m/^([a-z]+)(\d+)/; my ($chr_b, $num_b) = $b =~ m/^([a-z]+)(\d+)/; $chr_a cmp $chr_b || $num_a <=> $num_b } @array;
  
  wenn es eine grosse liste ist, lohnt sich aber eine schwartzian transform. insofern ist der ansatz schon nicht schlecht, eine eigene spalte zu machen.
  
  Code (perl): (dl )
  
  1 2 3 4 5 6 7
  
  my @sorted = map { $_->[2] } sort { $a->[0] cmp $b->[0] || $a->[1] cmp $b->[1] } map { my ($chr, $num) =~ m/^([a-z]+)(\d+)/; [$chr, $num, $_] } @array;
  
  Editiert von pq: typo: cmp
  Last edited: 2012-11-23 17:42:27 +0100 (CET)
  Always code as if the guy who ends up maintaining your code will be a violent psychopath who knows where you live. -- Damian Conway in "Perl Best Practices"
  lesen: Wie frage ich & perlintro brian's Leitfaden für jedes Perl-Problem
  - Linuxer
    
    2012-11-23 17:28
    
    User since
    2006-01-27
    3890 Artikel
    HausmeisterIn
    
    im ersten Code-Beispiel:
    $chr_a cp $chr_b || $num_a <=> $num_b
    sollte wohl eher
    $chr_a cmp $chr_b || $num_a <=> $num_b
    werden .
    
    ;-)
    meine Beiträge: I.d.R. alle Angaben ohne Gewähr und auf Linux abgestimmt!
    Die Sprache heisst Perl, nicht PERL. - Bitte Crossposts als solche kenntlich machen!
  - +11 replies
  - Student87
    
    2012-11-29 12:23
    User since
    2012-11-08
    73 Artikel
    BenutzerIn
    
    2012-11-23T16:25:57 pq
    du kannst den string im sort aufsplitten:
    
    Code (perl): (dl )
    
    1 2 3 4 5
    
    my @sorted = sort { my ($chr_a, $num_a) = $a =~ m/^([a-z]+)(\d+)/; my ($chr_b, $num_b) = $b =~ m/^([a-z]+)(\d+)/; $chr_a cmp $chr_b || $num_a <=> $num_b } @array;
    
    Danke, aber das bringt leider nicht den gewünschten Output vom Anfangspost, sondern:
    
    chrY
    chrY
    chrY
    chrX
    chrX
    chrX
    chrX
    chr1
    chr1
    chr1
    chr2
    chr2
    chr2
    chr10
    chr10
    chr10
    chr10
    
    X und Y stehen also am Anfang der Liste anstatt am Ende und es folgt X auf Y anstatt Y auf X.
    
    Hab ich den Code richtig verstanden?:
    Wenn $a = chrX ist, dann matcht das [a-z]+ doch chrX und das \d+ matcht nichts, richtig? Also: $chr_a = chrX und $num_a = undefined.
    Nehmen wir an, $b = chr1. Dann wird zuerst chrX mit chr verglichen. Die beiden sind unterschiedlich, also kommt es zu einem Sort und der numerische Sort ("$num_a <=> $num_b") findet nicht mehr statt. Bei dem STATTFINDENEN sort scheint er aber "chr" in der Liste hinter "chrX" zu positionieren. Und wenn man bei einem anderen Sort-Schritt von chrX und chrY ausgeht, positioniert er Y vor X, obwohl alphabetisch gesehen zuerst X kommen müsste.
    Wie kann man das korrigieren?
    
    EDIT: Ich glaub, ich hab schon das passende gefunden in der Doc ... "descending" und "ascending" ist das Stichwort :) Ich les das mal und editier hier dann nochmal
    
    EDIT2: Mir ist immer noch nicht klar, wieso pq's code chrY VOR chrX setzt. Es müsste doch alphabetich sortiert sein, da sie $a mit $b vergleicht und nicht $b mit $a (Letzteres würde ja glaub ich die alphabetische Reihenfolge umkehren).
    Last edited: 2012-11-29 12:46:08 +0100 (CET)
    - Linuxer
      
      2012-11-29 12:35
      
      User since
      2006-01-27
      3890 Artikel
      HausmeisterIn
      
      Kleine Modifikation:
      
      Code (perl): (dl )
      
      1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
      
      #! /usr/bin/perl use strict; use warnings; # use Getopt::Long; # use CGI; my @list = qw( chr10 chr10 chr10 chr10 chrY chrY chrY chr1 chr1 chr1 chrX chrX chrX chrX chr2 chr2 chr2 ); my @sorted = sort { my ( $strA, $numA ) = $a =~ m/(\D+)(\d+)?/; my ( $strB, $numB ) = $b =~ m/(\D+)(\d+)?/; if ( defined $numA && defined $numB ) { $strA cmp $strB || $numA <=> $numB } else { $strA cmp $strB } } @list; print join "\n", @sorted; __END__
      
      Liefert mir:
      
      Code: (dl )
      
      1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
      
      chr1 chr1 chr1 chr2 chr2 chr2 chr10 chr10 chr10 chr10 chrX chrX chrX chrX chrY chrY chrY
      
      meine Beiträge: I.d.R. alle Angaben ohne Gewähr und auf Linux abgestimmt!
      Die Sprache heisst Perl, nicht PERL. - Bitte Crossposts als solche kenntlich machen!
    - +9 replies
    - Linuxer
      
      2012-11-29 12:56
      
      User since
      2006-01-27
      3890 Artikel
      HausmeisterIn
      
      Hi, chrY und chrX werden nicht sortiert. Die werden in der Reihenfolge ausgegeben, wie sie in den originalen Daten stehen.
      
      Guck mal (achte auf die Reihenfolge der chrX und chrY):
      
      Code (perl): (dl )
      
      1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
      
      #! /usr/bin/perl use strict; #use warnings; my @list = qw( chr10 chr10 chr10 chr10 chrY chrX chrY chr1 chr1 chr1 chrX chrY chrX chrX chr2 chr2 chr2 ); my @sorted = sort { my ($chr_a, $num_a) = $a =~ m/^([a-z]+)(\d+)/; my ($chr_b, $num_b) = $b =~ m/^([a-z]+)(\d+)/; $chr_a cmp $chr_b || $num_a <=> $num_b } @list; print join "\n", @sorted;
      
      Ergebnis:
      
      Code: (dl )
      
      1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
      
      chrY chrX chrY chrX chrY chrX chrX chr1 chr1 chr1 chr2 chr2 chr2 chr10 chr10 chr10 chr10
      
      Ergänzung:
      
      Schau Dir mal den Regex genau an:
      
      Code (perl): (dl )
      
      my ($chr_a, $num_a) = $a =~ m/^([a-z]+)(\d+)/;
      
      Der kommt nur zu einem Treffer, wenn mindestens ein Buchstabe (a-z) und mindestens eine Ziffer (\d = 0-9) vorhanden sind.
      Bei chrX oder chrY fehlt die Ziffer! Dadurch kommt es zu keinem Treffer und $chr_a und $chr_b bleiben ungefüllt (also undef).
      
      undef dürfte beim Stringvergleich wie ein Leerstring wirken; Leerstring (war chrX) zu Leerstring (war chrY) ist gleichwertig, also keine Umsortierung.
      Leerstring (chrX oder chrY) zu chr$Zahl dürfte bewirken, dass eben chrX oder chrY vor chr$Zahl sortiert wird.
      Last edited: 2012-11-29 13:16:47 +0100 (CET)
      meine Beiträge: I.d.R. alle Angaben ohne Gewähr und auf Linux abgestimmt!
      Die Sprache heisst Perl, nicht PERL. - Bitte Crossposts als solche kenntlich machen!
      - +2 replies
      - Student87
        
        2012-11-29 13:17
        
        User since
        2012-11-08
        73 Artikel
        BenutzerIn
        
        Das passt auch zu dem, was ich gerade rausgefunden habe:
        
        Code (perl): (dl )
        
        perl -e 'my $a = "fdsgdf"; my($b,$c) = $a =~ m/(fd)(4)/;print "$b $c\n"'
        
        liefert ne leere Zeile. Der gesamte Match hat also nicht funktioniert und beide Variablen bleiben leer.
        
        Also vergleicht pq's Code für chrX und chrY zwei leere Variablen und die sind quasi "gleich": $chr_a cmp $chr_b. Da sie gleich sind, wird der sub-sort ausgeführt: $num_a <=> $num_b. Diese beiden Variablen sind ebenfalls undefined bzw. gleich und somit wird wieder nichts verändert. Also 2 x wird nichts verändert und somit auch insgesamt nichts. Richtig so? Also von der Computer-Logik her?
        
        Linuxer
        
        2012-11-29 13:20
        
        User since
        2006-01-27
        3890 Artikel
        HausmeisterIn
        
        IMHO: Ja, korrekt erkannt.
        meine Beiträge: I.d.R. alle Angaben ohne Gewähr und auf Linux abgestimmt!
        Die Sprache heisst Perl, nicht PERL. - Bitte Crossposts als solche kenntlich machen!
      - +6 replies
      - GUIfreund
        
        2012-11-29 14:11
        
        User since
        2011-08-08
        559 Artikel
        BenutzerIn
        
        2012-11-29T11:56:06 Linuxer
        
        Code (perl): (dl )
        
        1 2 3 4 5
        
        my @sorted = sort { my ($chr_a, $num_a) = $a =~ m/^([a-z]+)(\d+)/; my ($chr_b, $num_b) = $b =~ m/^([a-z]+)(\d+)/; $chr_a cmp $chr_b || $num_a <=> $num_b } @list;
        
        Schon fast richtig, man muss nur noch dafür sorgen, dass die Regexe immer matchen:
        
        Code (perl): (dl )
        
        1 2 3 4 5
        
        my @sorted = sort { my ($chr_a, $num_a) = $a =~ m/^([a-z]+)(\d*)/i; my ($chr_b, $num_b) = $b =~ m/^([a-z]+)(\d*)/i; $chr_a cmp $chr_b || $num_a <=> $num_b } @list;
        
        Ergebnis:
        
        Code: (dl )
        
        1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
        
        chr1 chr1 chr1 chr2 chr2 chr2 chr10 chr10 chr10 chr10 chrX chrX chrX chrX chrY chrY chrY
        
        Gruß
        GUIfreund
        
        +2 replies
        
        Linuxer
        
        2012-11-29 14:19
        
        User since
        2006-01-27
        3890 Artikel
        HausmeisterIn
        
        Hi, das sollte auch nicht richtig sein ;)
        meine Beiträge: I.d.R. alle Angaben ohne Gewähr und auf Linux abgestimmt!
        Die Sprache heisst Perl, nicht PERL. - Bitte Crossposts als solche kenntlich machen!
        
        GUIfreund
        
        2012-11-29 21:34
        
        User since
        2011-08-08
        559 Artikel
        BenutzerIn
        
        Sorry, das hatte ich nicht gemerkt.
        Gruß
        GUIfreund
        
        +3 replies
        
        Student87
        
        2012-11-30 11:16
        
        User since
        2012-11-08
        73 Artikel
        BenutzerIn
        
        Noch eine letzte Frage zu dem Thema:
        
        Warum das Hütchen ^ am Anfang der match-expression? Damit quasi nur nach Spalte 1 gesortet wird? Ist das quasi der schnelle Weg, Spalte 1 auszuwählen? Oder gibts noch nen anderen Grund für das Hütchen?
        
        Falls es nur zum Spalten-Auswählen ist: Diese einfache Art des Spalten-Wählens funktioniert dann aber nur bei der ersten und letzten ($) Spalte, oder? Bei z.B. 6 Spalten würde ich Spalte 3 so auswählen (Umständlich?): (split(" ",$a))[2] <=> (split(" ",$b))[2]
        Last edited: 2012-11-30 11:18:38 +0100 (CET)
        
        Muffi
        
        2012-11-30 11:30
        
        User since
        2012-07-18
        1465 Artikel
        BenutzerIn
        
        Das ist dazu da, dasses nicht reinregnet.
        Nö, im Ernst: Hütchen ist (in dem Fall!) Zeilenanfang.
        
        Ich glaub aber es würd auch ohne funktionieren.
        1 + 1 = 10
        
        GwenDragon
        
        2012-11-30 11:34
        
        User since
        2005-01-17
        14748 Artikel
        Admin1
        
        2012-11-30T10:16:32 Student87
        Warum das Hütchen ^ am Anfang der match-expression? Damit quasi nur nach Spalte 1 gesortet wird? Ist das quasi der schnelle Weg, Spalte 1 auszuwählen? Oder gibts noch nen anderen Grund für das Hütchen?
        
        Das ^ bedeutet bei einem Regex Anfang der Zeile.
        
        Code: (dl )
        
        ^([a-z]+)(\d+)
        
        bedeutet, dass die Zeile mit Kleinuchstaben anfangen muss.
        Damit matcht nur abc123 nicht aber 0978//7!abc123
        
        Würdest du nur
        
        Code: (dl )
        
        ([a-z]+)(\d+)
        
        schrieben, würde auch
        -(7766abc42 als gültige Daten benutzt und dann abc und 42 als Sortierkriterium heraus getrennt.
        die Drachin Gwen
        
        Meine Perl-Artikel · perldev – verschiedene Perl-Versionen unter Windows starten

View all threads created 2012-11-23 17:10.