对hash怎么进行排序比较快呢？

huang6894

在一个perl脚本中，我使用：

1. 
   
2. 
   
3.   open DATA,"> $outdir/tmp.data" or die "$!";
   
4. print DATA "$tran\t$chr\t$pos1\t$pos2\t$genename\t$ave\n";
   
5. close DATA；
   
6. open DATA,"< $outdir/tmp.data" or die "$!";
   
7. 
   
8. ###其实我是觉得这样写挺傻的，又读又写。。。之前是用一个hash数组存放，对其key值（第六列）排序，可是不知道怎么分开相同key值的两条记录。。。push的时候把他们当做一个数组里面两个元素了。。。。
   
9. 
   
10. 
    
11. open OUT,"> $outdir/result.data" or die "$!";
    
12. my @all = sort { $b->[-1] <=> $a->[-1] } map [split], <DATA>;
    
13. my $five = 5 * $#all / 100;
    
14. my $FIVE = int $five;
    
15. $five = $five != $FIVE ? ( $FIVE + 1 ) : $FIVE;
    
16. my @ok = ( [ 0 .. $five - 1 ], [ -$five .. -1 ] );
    
17. for my $i ( $five .. $#all ) {
    
18.         $all[ $ok[0][-1] ][-1] == $all[$i][-1]
    
19.         ? push @{ $ok[0] }, $i
    
20.         : last;
    
21. }
    
22. 
    
23. for my $i ( ( $five + 1 ) .. $#all ) {
    
24.         $all[ $ok[-1][0] ][-1] == $all[ -$i ][-1]
    
25.         ? unshift @{ $ok[1] }, -$i
    
26.         : last;
    
27. }
    
28. 
    
29. print OUT join( "\t", @{ $all[$_] } ), $/ for map @$_, @ok;
    
30. close DATA;
    
31. close OUT;
    
32. 
    

复制代码

以上使用的是@rubyish大神的代码

得到类似于：

1. NM_000402.3     chrX    153759606       153775233       G6PD    66.5543754674645
   
2. NM_001042351.1  chrX    153759606       153775787       G6PD    66.5543754674645
   
3. NM_000027.3     chr4    178351929       178363657       AGA     0.994475138121547
   

复制代码

真实情况是,@{$file{$k}}存放了几十万条记录，我只想知道$k大小在前5%和后5%的那些条目…
希望结果是：

1. NM_000402.3     chrX    153759606       153775233       G6PD    66.5543754674645  max
   
2. NM_001042351.1  chrX    153759606       153775787       G6PD    66.5543754674645  max
   
3. NM_000027.3     chr4    178351929       178363657       AGA     0.994475138121547  min
   

复制代码

***************************************************************************************************
4楼@rubyish大神的代码帮了我大忙，谢谢大神的帮忙，非常感谢@q1208c指出题目的错误，感谢@laputa73大神提供的思路。。。
**************************************************************************************************
我是想对第六列进行排序，如果大小在前5%（向上取整）和后5%（向上取整）的条目，输出该行（min/max)，可是对于大数据还是挺慢的，请教一下大神，应该怎么优化呢？

rubyish

haishi kan boo dong~

1. #!/usr/bin/perl
   
2. 
   
3. my @h = sort { $b->[-1] <=> $a->[-1] } map [split], <DATA>;
   
4. 
   
5. my $five = 5 * @h / 100;
   
6. my $FIVE = int $five;
   
7. $five = $five != $FIVE ? ( $FIVE + 1 ) : $FIVE;
   
8. 
   
9. my @ok = ( [ 0 .. $five - 1 ], [ -$five .. -1 ] );
   
10. 
    
11. for my $i ( $five .. $#h ) {
    
12.     $h[ $ok[0][-1] ][-1] == $h[$i][-1]
    
13.       ? push @{ $ok[0] }, $i
    
14.       : last;
    
15. }
    
16. 
    
17. for my $i ( ( $five + 1 ) .. @h ) {
    
18.     $h[ $ok[-1][0] ][-1] == $h[ -$i ][-1]
    
19.       ? unshift @{ $ok[1] }, -$i
    
20.       : last;
    
21. }
    
22. 
    
23. print join( "\t", @{ $h[$_] } ), $/ for map @$_, @ok;
    
24. 
    
25. __DATA__
    
26. NM_000015.2     chr8    18248755        18258723        NAT2    18
    
27. NM_000017.2     chr12   121163571       121177811       ACADS   21
    
28. NM_000019.3     chr11   107992258       108018891       ACAT1   17
    
29. NM_001004483.1  chr9    107331449       107332411       OR13C8  10
    
30. NM_000016.4     chr1    76190043        76229355        ACADM   8
    
31. NM_000018.3     chr17   7123150 7128586 ACADVL  4
    
32. NM_000014.4     chr12   9220304 9268558 A2M     4
    

复制代码

104359176

首先生成数据，再排序，然后再计算 5% 的界值，最后再进行替换。想一下子搞定，就是自找麻烦。这种问题问法，感觉是伸手党。

huang6894

回复 2# 104359176


    嗯嗯，我也是这么做的，可是因为数据比较大，生成后再排序会消耗很多时间，所以我题目就是，怎么排序，比较快………谢谢，谢谢

huang6894

回复 4# rubyish


    对不起{(-_-)}～       其实是,@{$file{$k}}存放了几十万条记录，我只想知道$k大小在前5·%和后5%的那些条目…
大神的代码帮了我大忙，谢谢大神的帮忙，谢谢谢谢

q1208c

这么大的数据量, 还要排序列三次, 我看, 怎么排也快不到哪里去.

可否在第一个循环里就搞定呢.

说实话, 我的perl是自学的, 很多高级特性都不懂. 所以, 实在没办法看懂楼主后两个循环是在做什么.

huang6894

回复 6# q1208c


    第一次循环进行排序嘛，然后第二次、第三次是为了取前后5%的值

laputa73

为啥要进行排序?您的需求不是只是输出前5%和后5%?
先计算出门限,一次遍历不就搞定了?
如果输出需要排序,在过滤后的数据再排序不是快得多?(因为就剩10%数据了)

huang6894

回复 8# laputa73


    对呀，我就是想这样。。。可是我做不到 不会~

q1208c

回复 7# huang6894
你第一个循环排序的是 key 呀. 并不是你说的第6列呀.