Rapidement alphabétiser un grand fichier via python

Question

#!/usr/bin/python 

import random 
import string 

appendToFile = open("appendedFile", "a") 

# Generator 

for i in range(1, 100000): 

    chars = "".join([random.choice(string.letters) for i in xrange(15)]) 
    chars2 = "".join([random.choice(string.letters) for i in xrange(15)]) 

    appendToFile.write(chars + ":" + chars2 + "\n") 

appendToFile.close() 

Code modifié de this question.

Le code ci-dessus génère 100 000 lignes de texte aléatoire au format STRING: STRING. Le fichier texte résultant est de 3,1 Mo.

Comment alphabétiser rapidement le fichier, en utilisant le premier STRING dans STRING: STRING? Le cas n'est pas pertinent.

Le tri des bulles est très lent, non?

Answer 1

Ceci est très rapide (moins de 1 seconde sur mon ordinateur). Il utilise un type insensible à la casse, qui est ce que vous entendez par "cas n'est pas pertinent"?

#!/usr/bin/python 

appendToFile = open("appendedFile", "r") 
sortToFile = open("sortedFile", "w") 

for line in sorted(appendToFile, key = str.lower): 
    sortToFile.write(line) 

Answer 2

La première approche évidente consiste simplement à utiliser la fonction de tri intégrée dans Python. N'est-ce pas ce que tu avais en tête? Si non, pourquoi? Avec seulement 100 000 lignes de texte aléatoire, le tri intégré serait très rapide.

lst = open("appendedFile", "rt").readlines() 
lst.sort(key=str.lower) 

Terminé. Nous pourrions le faire comme une doublure si vous avez vraiment voulu:

lst = sorted(open("appendedFile", "rt").readlines(), key=str.lower) 

EDIT: Je viens de vérifier et strings.letters comprend à la fois les majuscules et les minuscules. Ainsi, le code ci-dessus est modifié pour être insensible à la casse.

EDIT: plus sur le tri en Python: http://wiki.python.org/moin/HowTo/Sorting

Answer 3

Essayez ceci (insensible à la casse):

l=file(appendedFile).readlines() 
l.sort(key=lambda x:x.lower()) 

Pour ce genre de tailles optimalisation est pas vraiment nécessaire (timings sur ma machine lente ;-) :

christophe@orion:~$ time python -c "l=file('appendedFile').readlines();l.sort(key=lambda x:x.lower())" 

real 0m0.615s 
user 0m0.576s 
sys 0m0.024s