Začínáme s csvkit

Data Processing in Shell

Susan Sun

Data Person

Co je csvkit?

csvkit:

je sada nástrojů pro příkazový řádek
je vyvíjena v Pythonu firmou Wireservice
nabízí možnosti zpracování a čištění dat ve formátu CSV
svými datovými funkcemi se vyrovná Pythonu, R a SQL
dokumentace: https://csvkit.readthedocs.io/en/latest/

Instalace csvkit

Instalace csvkit pomocí správce balíčků pip:

pip install csvkit

Aktualizace csvkit na nejnovější verzi:

pip install --upgrade csvkit

Úplné pokyny:

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

Prohlížení manuálu csvkit

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

Snímek webové dokumentace csvkit zobrazené v prohlížeči

in2csv: převod souborů do CSV

Webová dokumentace:

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

Dokumentace v příkazovém řádku:

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: převod souborů do CSV

Syntaxe:

in2csv SpotifyData.xlsx > SpotifyData.csv

Vypíše první list Excelu do konzole bez uložení

in2csv SpotifyData.xlsx

> přesměruje výstup a uloží jej jako nový soubor SpotifyData.csv

> SpotifyData.csv

in2csv: převod souborů do CSV

Pomocí volby --names nebo -n vypíšete všechny názvy listů v souboru SpotifyData.xlsx.

in2csv -n SpotifyData.xlsx

Worksheet1_Popularity
Worksheet2_MusicAttributes

Použijte volbu --sheet s názvem listu "Worksheet1_Popularity" pro převod.

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

in2csv: převod souborů do CSV

in2csv nezapisuje logy do konzole.

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

Ověření:

ls

SpotifyData.xlsx  Spotify_Popularity.csv  backup  bin

csvlook: náhled dat v příkazovém řádku

csvlook: zobrazí CSV v příkazovém řádku ve formátu kompatibilním s Markdownem s pevnou šířkou

Dokumentace:

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: náhled dat v příkazovém řádku

Syntaxe:

csvlook Spotify_Popularity.csv

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

csvstat: popisné statistiky CSV souborů

csvstat: vypíše popisné souhrnné statistiky pro všechny sloupce CSV (např. průměr, medián, počty unikátních hodnot)

Dokumentace:

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: popisné statistiky CSV souborů

Syntaxe:

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)

Vyzkoušejte csvkit!

Data Processing in Shell