Ordenar bloques de líneas

Tengo un archivo que contiene 4n líneas. Aquí hay un extracto que contiene 8 líneas.

6115 8.88443
6116 6.61875
6118 16.5949
6117 19.4129
6116 6.619 
6117 16.5979 
6118 19.4111
6115 8.88433  

Lo que quiero hacer es ordenar un bloque, donde cada bloque consta de 4 líneas basadas en la primera columna. El resultado del extracto debe verse como se muestra a continuación.

6115 8.88443
6116 6.61875
6117 19.4129
6118 16.5949
6115 8.88433 
6116 6.619 
6117 16.5979 
6118 19.4111 

Una opción es usar awk para agregar un prefijo de número de serie inicial cada N líneas (N = 4 en su caso). Luego alimente el prefijo como la columna de clasificación primaria sort.

Ejemplo con N = 4:

awk '{print int((NR-1)/4), $0}' file.txt | sort -n -k1,1 -k2,2 | cut -f2- -d' '

Si esto es único y no desea aprender Python, Perl o Awk, puede ir con los comandos básicos splity sort.

Primero divide el archivo en trozos de 4 líneas con la -l opción:

split -a 6 -l 4 input_file my_prefix_
for fn in my_prefix_*; do
    sort -n -o $fn $fn
done
cat my_prefix_* > output_file
rm my_prefix_*

Los sort -nordena por valor numérico de la primera columna (999 antes de 1234). -a 6debe cuidar un archivo con 26 ^ 6 * 4 líneas. my_prefix_debe ser algo exclusivo del directorio con el que trabaja.

Puedes hacerlo con Perl:

perl -nle '
   push @a,$_;
   unless($. % 4){
       print join "\n",sort {$a <=> $b} @a; # Sort @a, and print its contents
       @a = (); # Empty @a to start a new block
   }
' your_file

Como funciona esto

• -n-> ejecuta el código para cada línea de entrada (y coloca la línea actual $_)
• -l -> agregar una nueva línea a la salida de cualquier print
• -e -> ejecuta la siguiente cadena como código Perl
• Cada línea se agrega a la matriz @a.
• $.mantiene el número de línea actual y, a menos que ese número no sea congruente con cero módulo 4, seguimos trabajando. Si es congruente con cero módulo 4, hemos alcanzado una línea cuyo número es un múltiplo de 4 (el final de un bloque), en cuyo caso, clasificamos las entradas en @aorden numérico ascendente e imprimimos las entradas en la matriz ordenada unidos por una nueva línea a la salida estándar.

Usando un shell tipo Bourne,

while read a ; do                                           # Try reading a line.
    read b ; read c ; read d                                # OK, read 3 more.
    printf '%s\n%s\n%s\n%s\n' "$a" "$b" "$c" "$d" | sort -n # Sort them.
done < data

Aquí hay algunas awksoluciones "puras" :

Si los índices son siempre la misma secuencia entera incremental (6115-6119), como en sus datos de muestra, puede usar un "acceso directo" algorítmico:

awk '{a[$1]=$0} !(NR%4){for(i=6115;i<6119;print a[i++]);}'

Esto hace

• Agregue todas las líneas a la matriz a, distribuidas en las posiciones de índice 6115-6119
• En cada cuarta línea ( !(NR%4)), recorra el contenido de la matriz para imprimir en el orden deseado.

Si sus índices numéricos son siempre los mismos cuatro, pero no una secuencia entera incremental, tendrá que ordenar:

awk '{a[$1]=$0} !(NR%4){asort(a,b); for(i=1;i<5;print b[i++]);}'

Nota: Esto es con GNU awk, otros pueden no ser compatibles asort.

Si cada bloque de cuatro pudiera tener diferentes ID numéricos:

awk '{a[$1]=$0} !(NR%4){asort(a); for(i=1;i<5;print a[i++]); delete a}'

Nota: TIL de @Gilles auto-respuesta (+2) este uso deleteno es (todavía) POSIX, pero es universalmente compatible .

Una versión con el uso correcto ™ de delete:

awk '{a[$1]=$0} !(NR%4){asort(a); for(i=1;i<5;delete a[i++]){print a[i]}}'

Una versión sin borrar, usando más memoria y dimensiones:

awk '{a[n][$1]=$0} !(NR%4){asort(a[n]); for(i=1;i<5;print a[n][i++]); n++}

Puede obtener una solución limpia con R. Si la tabla anterior está en un archivo llamado "table.txt", realice los siguientes pasos. El resultado deseado estará en el archivo "tableout.txt".

> x = read.table("table.txt", col.names=c("a", "b"))
> x
     a        b
1 6115  8.88443
2 6116  6.61875
3 6118 16.59490
4 6117 19.41290
5 6116  6.61900
6 6117 16.59790
7 6118 19.41110
8 6115  8.88433
> x["index"] = c(rep(1, 4), rep(2, 4))
> x
     a        b index
1 6115  8.88443     1
2 6116  6.61875     1
3 6118 16.59490     1
4 6117 19.41290     1
5 6116  6.61900     2
6 6117 16.59790     2
7 6118 19.41110     2
8 6115  8.88433     2     
> xord = x[with(x, order(index, a)), ]
> xord
     a        b index
1 6115  8.88443     1
2 6116  6.61875     1
4 6117 19.41290     1
3 6118 16.59490     1
8 6115  8.88433     2
5 6116  6.61900     2
6 6117 16.59790     2
7 6118 19.41110     2
> write.table(xord[,1:2], "tableout.txt", row.names=FALSE, col.names=FALSE)

Ver también Cómo ordenar una trama de datos por columna (s) en investigación .