Aan de slag met csvkit

Gegevens verwerken in de Shell

Susan Sun

Data Person

Wat is csvkit?

csvkit:

is een suite van command-line tools
is ontwikkeld in Python door Wireservice
biedt mogelijkheden voor verwerken en opschonen van CSV’s
heeft datacapaciteiten die zich kunnen meten met Python, R en SQL
documentatie: https://csvkit.readthedocs.io/en/latest/

csvkit installeren

Installeer csvkit met Python-package manager pip:

pip install csvkit

Upgrade csvkit naar de nieuwste versie:

pip install --upgrade csvkit

Volledige instructies:

https://csvkit.readthedocs.io/en/latest/tutorial.html.

De csvkit-handleiding bekijken

Webdocumentatie: https://csvkit.readthedocs.io/en/latest/tutorial.html

Schermafbeelding van de webdocumentatie voor csvkit zoals bekeken in een browser

in2csv: bestanden naar CSV converteren

Webdocumentatie:

https://csvkit.readthedocs.io/en/latest/scripts/in2csv.html

Commandline-documentatie:

in2csv --help

in2csv -h

usage: in2csv [-h] [-d DELIMITER] [-t] [-q QUOTECHAR] [-u {0,1,2,3}] [-b]
              [-p ESCAPECHAR] [-z FIELD_SIZE_LIMIT] [-e ENCODING] [-L LOCALE]
              [-S] [--blanks] [--date-format DATE_FORMAT]
              [--datetime-format DATETIME_FORMAT] [-H] [-K SKIP_LINES] [-v]

in2csv: bestanden naar CSV converteren

Syntax:

in2csv SpotifyData.xlsx > SpotifyData.csv

Print het eerste werkblad naar de console en slaat niet op

in2csv SpotifyData.xlsx

> leidt de output om en slaat op als nieuw bestand SpotifyData.csv

> SpotifyData.csv

in2csv: bestanden naar CSV converteren

Gebruik de optie --names of -n om alle werkbladnamen in SpotifyData.xlsx te tonen.

in2csv -n SpotifyData.xlsx

Worksheet1_Popularity
Worksheet2_MusicAttributes

Gebruik de optie --sheet gevolgd door het werkblad "Worksheet1_Popularity" om te converteren.

in2csv SpotifyData.xlsx --sheet "Worksheet1_Popularity" > Spotify_Popularity.csv

in2csv: bestanden naar CSV converteren

in2csv toont geen logs in de console.

in2csv SpotifyData.xlsx --sheet "Worksheet1_Popularity" > Spotify_Popularity.csv

Controle:

ls

SpotifyData.xlsx  Spotify_Popularity.csv  backup  bin

csvlook: datapreview in de command line

csvlook: toont een CSV in de command line in Markdown-compatibel, fixed-width formaat

Documentatie:

csvlook -h

usage: csvlook [-h] [-d DELIMITER] [-t] [-q QUOTECHAR] [-u {0,1,2,3}] [-b]
               [-p ESCAPECHAR] [-z FIELD_SIZE_LIMIT] [-e ENCODING] [-L LOCALE]
               [-S] [--blanks] [--date-format DATE_FORMAT]

csvlook: datapreview in de command line

Syntax:

csvlook Spotify_Popularity.csv

| track_id               | popularity |
| ---------------------- | ---------- |
| 118GQ70Sp6pMqn6w1oKuki |          7 |
| 6S7cr72a7a8RVAXzDCRj6m |          7 |
| 7h2qWpMJzIVtiP30E8VDW4 |          7 |
| 3KVQFxJ5CWOcbxdpPYdi4o |          7 |
| 0JjNrI1xmsTfhaiU1R6OVc |          7 |
| 3HjTcZt29JUHg5m60QhlMw |          7 |

csvstat: beschrijvende stats voor CSV-bestanden

csvstat: geeft beschrijvende statistieken per kolom (bijv. gemiddelde, mediaan, aantal unieke waarden)

Documentatie:

csvstat -h

usage: csvstat [-h] [-d DELIMITER] [-t] [-q QUOTECHAR] [-u {0,1,2,3}] [-b]
               [-p ESCAPECHAR] [-z FIELD_SIZE_LIMIT] [-e ENCODING] [-S] [-H]
               [-K SKIP_LINES] [-v] [-l] [--zero] [-V] [--csv] [-n]

csvstat: beschrijvende stats voor CSV-bestanden

Syntax:

csvstat Spotify_Popularity.csv

  1. "track_id"

        Type of data:          Text
        Contains null values:  False
        Unique values:         24
        Longest value:         22 characters
        Most common values:    118GQ70Sp6pMqn6w1oKuki (1x)
                               6S7cr72a7a8RVAXzDCRj6m (1x)

Laten we csvkit proberen!

Gegevens verwerken in de Shell