Linux环境下如何按chr、bpos两列优先级排序数据文件

直接使用Linux系统自带的sort命令即可，无额外依赖、处理速度快，是这类文本排序场景的最优选择，不需要编写自定义脚本或安装第三方工具。

你的数据文件示例如下：

需求为优先按第2列（chr字段）排序，同chr值的记录再按第3列（bpos字段）排序，可根据你的文件实际格式选对应命令：

• 常规场景（文件为空格/制表符分隔，仅需基础字典序+数值排序）
  直接执行以下命令：

  sort -k2,2 -k3,3n 你的原始文件名 > 排序后的结果文件名
  

  参数说明：
  • -k2,2：指定第一排序关键字为第2列，明确限定范围为第2列本身，不会把后续列内容纳入第一关键字排序，避免干扰第二规则
  • -k3,3n：指定第二排序关键字为第3列，末尾的n表示按数值模式排序，避免出现字典序下10排在2前面的错误
• 适配基因组文件的特殊场景（chr字段需要按生物信息学常规顺序排列，即chr1 < chr2 < ... < chr10 < ... < chr22 < chrX < chrY < chrM）
  这时候把chr列的排序模式改成版本号排序即可，命令如下：

  sort -k2,2V -k3,3n 你的原始文件名 > 排序后的结果文件名
  

  其中-V参数会自动识别字符串中的数字片段，按数值大小排序，完美解决chr10这类带多位数字的字段字典序错乱问题，是处理基因组坐标类文件的常用参数。

注意：写-k参数时一定要加列范围限定（比如-k2,2而不是只写-k2），如果只写起始列号，sort会默认把从该列开始到行尾的所有内容都纳入当前排序关键字，会导致你设置的第二排序关键字失效。

内容的提问来源于stack exchange，提问作者Mahan