现有如下的数据:
要求将最后一列的0,1,2分别替换为相应的lable标签,即 0–Setosa,1–Versicolor,2–Virginica。
首先想到的便是awk,awk可以很方便地获取某一列的内容并对其进行修改。
简单回顾下AWK的用法:
$0 表示整个当前行
$1 每行第一个字段
NF 字段数量变量
NR 每行的记录号,多文件记录递增
FNR 与NR类似,不过多文件记录不递增,每个文件都从1开始
\t 制表符
\n 换行符
FS BEGIN时定义分隔符
RS 输入的记录分隔符, 默认为换行符(即文本是按一行一行输入)
~ 匹配,与==相比不是精确比较
!~ 不匹配,不精确比较
== 等于,必须全部相等,精确比较
!= 不等于,精确比较
&& 逻辑与
|| 逻辑或
+ 匹配时表示1个或1个以上
/[0-9][0-9]+/ 两个或两个以上数字
/[0-9][0-9]*/ 一个或一个以上数字
OFS 输出字段分隔符, 默认也是空格,可以改为制表符等
ORS 输出的记录分隔符,默认为换行符,即处理结果也是一行一行输出到屏幕
-F’[:#/]’ 定义三个分隔符
初次尝试,如下:
awk -F "," '{if ($NF==0) $NF="Setosa"}1' iris.csv
awk处理每一行数据的时候会把输出分隔符用默认的”空格“代替,所以我们发现每个处理过的行都没了引号。
最后经过不断的尝试和测试,得到如下的执行代码
awk 'BEGIN{FS=OFS=","}{if ($NF==0) $NF="Setosa"}{if ($NF==1) $NF="Versicolor"}\
{if ($NF==2) $NF="Virginica"}1' iris.csv
最终的结果如下如所示:
注:本文使用的是sklearn种的鸢尾花数据集,原数据及处理之后的数据可在https://github.com/kathy-ling/DataforExercise获取。