A ordem numérica Bash fornece resultados diferentes quando as colunas são selecionadas simultaneamente vs. juntas

Question

Com os seguintes dados de exemplo, as duas colunas são numéricas, mas a segunda tem números diferentes de dígitos.

2 9
1 1000
1 50
3 0

Eu quero classificar com base em ambas as colunas. Especificá-los separadamente com o sinalizador numérico, -n , produz o resultado desejado.

sort -n -k1,1 -k2,2 num.data.txt

dá

1 50
1 1000
2 9
3 0

que é o que eu quero.

No entanto,

sort -n -k1,2 num.data.txt

fornece dados que parecem ser classificados em ordem alfabética:

1 1000
1 50
2 9
3 0

Eu sei que sort -n -k1,2 num.data.txt é o mesmo que sort -n num.data.txt (que dá o mesmo resultado) quando há apenas duas colunas, mas os dados com os quais estou realmente trabalhando têm mais colunas.

Por que existe essa discrepância entre os dois métodos?

    

Answer 1

Uma especificação de chave -k1,2 especifica uma chave que começa no início da primeira coluna (inclui os espaços em branco à esquerda como o separador de coluna padrão é a transição de um não-branco para um em branco) e termina no final da segunda coluna.

É importante perceber que é apenas uma chave . Se você precisar de duas chaves, precisará de duas opções -k . Ao classificar, sort irá comparar a string "1 50" com "1 1000" numericamente. Para uma comparação numérica, essas cadeias são convertidas em números considerando a parte principal (ignorando espaços em branco à esquerda) que se parece com um número válido. Então, vamos comparar 1 e 1 . Como são iguais, sort reverterá para a classificação de fall-back para determinar os laços, o que é uma comparação léxica da linha inteira.

Com -n -k1,1 -k2,2 , sort compara "1" com "1" e, em seguida, como é um empate, considera a segunda chave ( " 50" vs " 1000" ). Como é uma classificação numérica, -n -k1 -k2 também funcionaria (onde -k1 especifica uma chave que começa no primeiro campo e termina no final da linha, igual à linha completa).