数据科学家的呼吁行能力

全局搜刮正则表达式并输出，或行使grep;大噶?鲱知名的呼吁，而且有很好的来由。 Grep具有很强的手段，出格是在大型代码库中查找要领。在数据科学规模，它充当了其他呼吁的改造机制。但其尺度用法也很有效。

# 递归搜刮并列出当前目次下包括'word'的全部文件 
grep -lr 'word' . 
 
# 列出包括word的文件数量 
grep -lr 'word' . | wc -l 

对包括word/pattern的行数举办计数

grep -c 'some_value' filename.csv  
# 同样的成果，可是凭证文件名列出当前目次下全部包括该要害词的文件  
grep -c 'some_value' * 

Grep行使or运算符- |来检索多个值.

grep "first_value|second_value" filename.csv 

有效的选项

• alias grep="grep --color=auto" 使grep支持彩色输出
• grep -E 行使扩展正则表达式
• grep -w 仅匹配完备单词
• grep -l 打印匹配文件的名称
• grep -v 倒序匹配

大杀器

Sed和Awk是本文两个最有效的呼吁。为了简捷，我不会接头那些令人费解的细节。相反，我会接头各类百般的呼吁来证明他们令人印象深刻的气力。假如你想相识的更多，这本书就可以。

SED

在内核中sed是一个流编辑器。它善于替代，可是也可以用来重构。

最根基的sed呼吁包括了s/old/new/g。也就是全局搜刮旧值，替代新值。没有/g 我们的呼吁也许在第一次呈现旧值就会终止。

为了尽快相识它的手段，我们来看一个例子。在这个环境你会拿到下面的文件：

balance,name 
$1,000,john 
$2,000,jack 

我们要做的第一件事就是移除美元符。-i 标识暗示当场修改。''就是代表一个零长度文件扩展，因此重写我们的初始文件。抱负环境下，你会单独测试这些并输出到一个新文件。

sed -i '' 's/$//g' data.txt 
 
# balance,name 
# 1,000,john 
# 2,000,jack 

下一步，我们的balance列的逗号。

sed -i '' 's/([0-9]),([0-9])/12/g' data.txt 
 
# balance,name 
# 1000,john 
# 2000,jack 

最终，Jack有一天起来并筹备告退了。以是，再会吧，我的伴侣。

sed -i '' '/jack/d' data.txt 
 
# balance,name 
# 1000,john 

就像你所看到的，sed成果强盛，可是爱好不止于此。

AWK

最好的放最后。Awk不只是一个简朴的呼吁：它是一个成熟的说话。在本文中包括的每一个呼吁中，awk今朝是最酷的。假如你发明它令你印象深刻，这有大量的资源- 看这，这，和这。

awk包括的常用案例：

• 文本处理赏罚
• 名目化文本陈诉
• 执行计较操纵
• 执行字符串操纵

Awk在其最初雏形可以与grep平行。

awk '/word/' filename.csv 

可能多行使一点邪术，让grep和cut团结。在这，awk对全部行通过word打印了以tab脱离的第三和第四列。-F，只是将脱离符变为逗号。

awk -F, '/word/ { print $3 "t" $4 }' filename.csv 

Awk具有大量有效的内置变量。譬喻， NF -字段数 - 和NR - 记录数。为了获取文件中这53个记录：

awk -F, 'NR == 53' filename.csv 

添加一个小秘诀可以基于一个值可能多个值过滤。下面的第一个例子，会打印这些记录中第一列为string的行数和列。

awk -F, ' $1 == "string" { print NR, $0 } ' filename.csv  
# Filter based off of numerical value in second column  
awk -F, ' $2 == 1000 { print NR, $0 } ' filename.csv 

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!