Eu estou classificando arquivos que possuem nomes de genes e seus valores de expressão. Todos os arquivos têm o mesmo número exato de linhas, no entanto, após a classificação, há uma diferença no posicionamento de determinados genes. Isso é muito estranho. Abaixo estão as versões classificadas de dois desses arquivos.
por exemplo:
Cxx1c 25.1695
Cxxc1 15.2228
Cxxc4 0.952061
Cxxc5 3.13309
**Cyb5 157.426**
Cyb561 0.425933
Cyb561a3 9.55082
Cyb561d1 4.00422
Cyb561d2 3.04411
Cyb5b 16.7622
Cyb5d1 7.25191
Cyb5d2 2.85109
Cyb5r1 15.2511
Cyb5r2 0.48748
Outro arquivo tem essa classificação. Basicamente, neste arquivo Cyb5 está presente após o gene Cyb561d2. Como posso ter exatamente a mesma ordem de classificação? Existe algum parâmetro para fazer isso?
Cxx1c 44.9795
Cxxc1 19.0346
Cxxc4 1.17429
Cxxc5 2.71589
**Cyb561 7.11003**
Cyb561a3 1.97601
Cyb561d1 2.13004
Cyb561d2 2.03376
Cyb5 64.074
Cyb5b 14.5329
Cyb5d1 12.0212
Cyb5d2 1.47763
Cyb5r1 10.5463
Cyb5r2 0
Aqui está o meu código que gera o arquivo classificado acima:
for i in *.txt; do
sort -d $i >$i.sort
done
Você está classificando a linha inteira no momento, mas parece que deseja classificar apenas na primeira coluna. Com a maneira como seu comando é atualmente escrito, as colunas serão basicamente concatenadas juntas, por exemplo:
Cyb5 157.426 -> Cyb5157426
Cyb561 0.425933 -> Cyb5610425933
vs
Cyb561 7.11003 -> Cyb561711003
Cyb5 64.074 -> Cyb564074
Para classificar apenas a primeira coluna, você precisará usar o seguinte comando:
sort -d -k1,1
Cyb5 157.426 classifica antes de Cyb561 0.425933 , enquanto Cyb5 64.074 ordena após Cyb561 7.11003 , porque, em sua localidade, os espaços em branco são ignorados no primeiro passo de ordenação, portanto, o pedido está mais próximo do dicionário inglês.
Por exemplo, em um dicionário, você teria a priori entre apiary e Arrival .
Aqui, comparando Cyb5 157.426 com Cyb561 0.425933 compara o primeiro Cyb5157.426 com Cyb5610.425933 na primeira passagem porque o primeiro peso do caractere de espaço é IGNORE .
Se você quiser evitar esse processamento especial, altere a localidade para C , onde o pedido é baseado exclusivamente nos valores do ponto de código dos caracteres.
LC_ALL=C sort -d file
Ou como @Swiss disse, apenas classifique no primeiro campo:
sort -d -k1,1 file
No entanto, observe que o delimitador de campo é a transição de um não-branco para um branco, e os espaços em branco são incluídos nos campos.
Então:
b x
a x
com sort -d -k1,1 ainda seria classificado como
a x
b x
na sua localidade porque os espaços são ignorados, mas como:
b x
a x
Na localidade C, conforme o caractere de espaço é classificado antes de a .
Você pode querer adicionar a opção -b para que os espaços em branco iniciais sejam sempre ignorados, independentemente da localidade. Ou, novamente, corrija o código de idioma para C se quiser que as linhas que começam com espaços sejam classificadas primeiro.
Tags command-line sort linux