找回密码
 骑士注册

QQ登录

微博登录

搜索
❏ 站外平台:

Linux中国开源社区 技术 查看内容

Linux 知识深似海

| 2013-07-28 15:01   评论: 2 收藏: 1 分享: 2    

  如果你有一个4.2GB的CSV文件,里面有超过1200万条记录,每条记录都有50列。现在你要做的是把其中某一列的值全加起来。

  你怎么办?

  这是我最近看到的一篇文章的开头部分。文章介绍的是如何使用unix命令来分析大体积文件的文章。像我这样一个基本上都在Windows平台上开发的程序员,对他提出的这样一个问题,首先出现在脑子里的就是内存溢出、CPU达到100%、跑一个晚上。而对于一个Linux/unix高手来说,这真是小菜一碟,正如文章中介绍的方法,一行命令就完成了这个任务。

  (假设文件名叫做data.csv,行数据用竖线分割,我们需要总计其中的第四列。)

  cat data.csv | awk -F "|" '{ sum += $4 } END { printf "%.2f\n", sum }'

  简洁干净,而且里面的{ sum += $4 }很有闭包的味道。让我对Linux的向往又加深了一层。

  我写这篇博客的目的并不是抒发对Linux的感情的,而是重点讲一下发生在这篇文章评论里的事情。这篇文章吸引了不少Linux爱好者的评论,而且都是Liunx高手,仅仅是第一条评论,看了后就让我惊讶的合不上嘴。

  这位叫做California Lotto的网名的评论是:

  如果你认为自己是一个Linux命令行高手,那恭喜你赢得今天的“最没用的Cat用法”大奖。你应该这样写这个命令:

  awk -F "|" '{ sum += $4 } END { printf "%.2f\n", sum }' < data.csv

  的确,cat在这里似乎是没必要的。我首先是佩服,可之后马上感觉这个人可真讨厌,卖弄。虽然我不喜欢他无视作者写这片好博文的辛苦,但作为外行人,他和作者一样都是我高不可及的。

  可是当我读第二条评论时,事情出现了戏剧性的变化,这第二条评论明显是真对第一条评论的:

  如果你认为自己是一个Linux命令行高手,那恭喜你赢得今天的“最没用的重定向用法”奖。你应该这样写这个命令:

  awk -F "|" '{ sum += $4 } END { printf "%.2f\n", sum }' data.csv

  正所谓强中自有强中手,一山更比一山高。我突然意识到,其实没必要在这里比谁比谁更强,在这个浩瀚的互联网里,永远都会有比你在某方法更出众的人。这里重要的是探讨和参与。通过这种探讨,不仅丰富了你我的知识,而且对问题的解决方案有了更丰富的认识。正像接下来的评论里继续指出,命令行这的重定向符放在什么地方都可以,写成这样也是好用的:

  

  ,神奇吧!而接下来继续有人指出,作者在实验时写成这样:

  head -1 data.psv | awk -F’|’ ‘{print NF}’

  ,实验成功后直接把head改成cat是顺理成章的事。

  不管怎样,这是一篇好文章,这些人都是高手,都是我的老师,不仅教我编程知识,更教我如何做人。

原文:http://www.gregreda.com/2013/07/15/unix-commands-for-data-science/

译文:http://www.aqee.net/useful-unix-commands-for-data-science/

 已同步至 linux的微博

收藏


最新评论

我也要发表评论

蒙毅酋长 2013-07-28 16:02 1 回复

最后一条命令的文件名后缀好像写错了。

楼主还有什么方法介绍大文件的处理的。我每天都要面对好大的基因组数据。

DeadFire 2013-08-12 15:09 1 回复
回复 蒙毅酋长 的帖子 嗯,要是碰到了好文章,我告诉你。
返回顶部

分享到微信

打开微信,点击顶部的“╋”,
使用“扫一扫”将网页分享至微信。