Discussion :

[l_m_s]

Bonjour à tous,

Je suis face à un comportement de la commande sort que je ne comprends pas. Pour faire simple, voilà des petits exemples qui montrent où ça coince :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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
cat > test1
ACE
ACE2
 
sort test1
ACE
ACE2
 
cat > test2
ACE;
ACE2;
 
sort -t ";" -k 1 test2
ACE;
ACE2;
 
sort -t ";" +0 test2
ACE;
ACE2;
 
cat > test3
ACE;bla
ACE2;bla
 
sort -t ";" -k 1 test3
ACE2;bla
ACE;bla
 
cat > test4
bla;ACE
bla;ACE2
 
sort -t ";" -k 2 test4
bla;ACE
bla;ACE2

Je ne comprends pas le résultat du test3... Et c'est très gênant car je dois en fait faire un join entre deux fichiers bien plus conséquents. Le premier ressemble au test3; le second au test4 et la jointure se fait sur la colonne contenant ACE et ACE2. Le join se plaint donc d'un tri incorrect sur le premier fichier...

Pour info : sort (GNU coreutils) 7.1
D'autre part, j'ai déjà essayé de faire un tri numérique sur chacun de mes fichiers, cela ne convient pas au join.

Si vous aviez qq explications ou une idée pour que je réussisse à faire le join, cela serait super.

Merci d'avance!!

LMS

[ctxnop]

Salut,
Effectivement, après test, j'ai le même résultat que toi sur le fichier test3.
Il semble que le problème vient du ';'. J'ai modifié le fichier pour utilisé $ comme séparateur et la sort se comporte correctement... Étrange.

[l_m_s]

Salut,

Merci! Je viens d'essayer sur mes fichiers initiaux, bien plus conséquents en nombre de colonnes, avec "$" qui n'apparaît pas autrement dans mes fichiers, mais cela ne change pas le tri.

Sur ce cas précis j'ai contourné le pb : j'ai interverti mes colonnes pour que celle sur laquelle le tri se fait soit toujours la dernière. Le join se fait alors sans problème, le tri se comportant dans tous les cas comme le test1.

Je reste perplexe... Je manipule régulièrement de grands fichiers de ce genre et n'aime pas trop ne pas pouvoir avoir 100% dans mes commandes

Bonne journée!

LMS

[ctxnop]

L'utilisation du '$' en tant que séparateur n'a pas fonctionné pour toi ? vraiment étrange vu qu'il à fonctionné pour moi...
J'ai remarqué autre chose aussi, il semble que le tri s'effectue correctement à condition que la taille de la clef ne change pas.
Je veux dire, j'ai tenté avec

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
$ cat test
ACE3;aaaa
ACE1;zzz
ACE2;aaa
$ sort -t ';' -k 1 test
ACE1;zzz
ACE2;aaa
ACE3;aaaa

Alors que si je remplace 'ACE1' par 'ACE' cette ligne se retrouve en dernier.

Ceci dit la différence de comportement entre ton sort et le mien viens surement de la version (je suis en 8.5)

[l_m_s]

Juré

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
cat > test7
ACE$aaa
ACE2$bbb
 
sort -t "$" -k 1 test7
ACE2$bbb
ACE$aaa

Par contre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
cat > test8
aaa$ACE
bbb$ACE2
 
sort -t "$" -k 2 test8
aaa$ACE
bbb$ACE2

et idem avec ";" en séparateur... Sûrement une diffèrence de version, il m'est déjà arrivé de changer de machine pour réussir un join un peu hard.

Effectivement je n'ai pas de pb de tri sur des clés ayant toujours la même longueur. Mais là ce sont des noms de gènes (bioinformatique) de longueur variable, je ne peux rien y faire. Je garde ma solution "bidouille" de la dernière colonne pour l'instant

Merci,

LMS