Memulai dengan csvkit

Pemrosesan Data di Shell

Susan Sun

Data Person

Apa itu csvkit?

csvkit:

merupakan rangkaian tool command line
dikembangkan di Python oleh Wireservice
menyediakan pemrosesan dan pembersihan data pada file CSV
memiliki kapabilitas data yang menyaingi Python, R, dan SQL
dokumentasi: https://csvkit.readthedocs.io/en/latest/

Instalasi csvkit

Instal csvkit menggunakan manajer paket Python pip:

pip install csvkit

Perbarui csvkit ke versi terbaru:

pip install --upgrade csvkit

Instruksi lengkap:

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

Menelusuri manual csvkit

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

Tangkapan layar dokumentasi web csvkit seperti dilihat di browser

in2csv: mengonversi file ke CSV

Dokumentasi web:

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

Dokumentasi di command line:

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: mengonversi file ke CSV

Sintaks:

in2csv SpotifyData.xlsx > SpotifyData.csv

Mencetak sheet pertama Excel ke konsol dan tidak menyimpan

in2csv SpotifyData.xlsx

> mengalihkan output dan menyimpannya sebagai file baru SpotifyData.csv

> SpotifyData.csv

in2csv: mengonversi file ke CSV

Gunakan opsi --names atau -n untuk mencetak semua nama sheet di SpotifyData.xlsx.

in2csv -n SpotifyData.xlsx

Worksheet1_Popularity
Worksheet2_MusicAttributes

Gunakan opsi --sheet diikuti sheet "Worksheet1_Popularity" untuk dikonversi.

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

in2csv: mengonversi file ke CSV

in2csv tidak menampilkan log ke konsol.

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

Pemeriksaan cepat:

ls

SpotifyData.xlsx  Spotify_Popularity.csv  backup  bin

csvlook: pratinjau data di command line

csvlook: merender CSV di command line dalam format lebar tetap yang kompatibel dengan Markdown

Dokumentasi:

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: pratinjau data di command line

Sintaks:

csvlook Spotify_Popularity.csv

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

csvstat: statistik deskriptif pada file data CSV

csvstat: mencetak ringkasan statistik deskriptif untuk semua kolom dalam CSV (mis. mean, median, jumlah nilai unik)

Dokumentasi:

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: statistik deskriptif pada file data CSV

Sintaks:

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)

Ayo berlatih!

Pemrosesan Data di Shell