Aleatoriamente filas en un archivo de texto grande


11

Tengo un archivo de texto de ~ 1 GB con aproximadamente 6k filas (cada fila es muy larga) y necesito mezclar aleatoriamente sus filas. ¿Es posible? Posiblemente con awk?

Respuestas:


19

Puede usar el shufcomando de GNU coreutils . La utilidad es bastante rápida y llevaría menos de un minuto mezclar un archivo de 1 GB.

El siguiente comando podría funcionar en su caso porque shufleerá la entrada completa antes de abrir el archivo de salida:

$ shuf -o File.txt < File.txt

Gracias, olvidé mencionar que estoy en OSX, ¿algún equivalente?
ddmichael

66
@ddmichael Ejecutar brew install coreutilsy usar /usr/local/bin/gshuf.
Lri

2
@ddmichael Alternativamente para OS X puedes usar este Perl one liner. Tengo este uno de los viejos blogs. Hice una prueba rápida y encontré funcionando. cat myfile | perl -MList::Util=shuffle -e 'print shuffle(<STDIN>);' Sin embargo, estoy seguro de lo rápido que funcionaría
Suraj Biyani

4

Python one-liner:

python -c 'import sys, random; L = sys.stdin.readlines(); random.shuffle(L); print "".join(L),'

Lee todas las líneas de la entrada estándar, las baraja en el lugar, luego las imprime sin agregar una nueva línea final (observe la ,desde el final).


2

Para OSX se llama al binario gshuf.

brew install coreutils
gshuf -o File.txt < File.txt

1

Si, como yo, viniste aquí para buscar una alternativa shufpara macOS, úsala randomize-lines.

Instale el randomize-linespaquete (homebrew), que tiene un rlcomando que tiene una funcionalidad similar a shuf.

brew install randomize-lines

Usage: rl [OPTION]... [FILE]...
Randomize the lines of a file (or stdin).

  -c, --count=N  select N lines from the file
  -r, --reselect lines may be selected multiple times
  -o, --output=FILE
                 send output to file
  -d, --delimiter=DELIM
                 specify line delimiter (one character)
  -0, --null     set line delimiter to null character
                 (useful with find -print0)
  -n, --line-number
                 print line number with output lines
  -q, --quiet, --silent
                 do not output any errors or warnings
  -h, --help     display this help and exit
  -V, --version  output version information and exit

0

Olvidé dónde encontré esto, pero aquí está lo shuffle.plque uso:

#!/usr/bin/perl -w

# @(#) randomize Effectively _unsort_ a text file into random order.
# 96.02.26 / drl.
# Based on Programming Perl, p 245, "Selecting random element ..."

# Set the random seed, PP, p 188
srand(time|$$);

# Suck in everything in the file.
@a = <>;

# Get random lines, write 'em out, mark 'em done.
while ( @a ) {
        $choice = splice(@a, rand @a, 1);
        print $choice;
}

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.