原标题:给数据科学家的Linux命令行实用工具
——没有Python和各类酷炫的库时的硬核数据分析
数据科学总是与R、Excel、SQL相关联,最重要的是,它与Python及其大量高级库(如pandas、NumPy等)相关联,这并不奇怪。然而,如果我说,你不需要所有这些东西就可以提供相当完整和信息丰富的数据分析。我想和大家分享一组Linux命令行工具,它提供了一个简单、快速的Linux风格模拟你最喜欢的数据工具。所以,我想表明的是,数据科学家不受特定环境的约束,也不被他的武器宝库所局限。
1. 获取数据
对我们来说幸运的是,Linux有各种用于显示文件内容的工具。但是,为了公平地找出Python类似物,我们在此排除所有文本编辑器,因为它们需要手动完成所有的工作。我们寻找脚本,可能以pandas的方式行动。
head/tail
这些是从文件中获取确切的行的简单的工具:
head -n 5 example_data.csv — 得到前5行
head -n -15 example_data.csv — 得到除最后15行之外的所有行
tail -n 15 example_data.csv — 得到文件中的最后15行
tail -n +15 example_data.csv — 得到从第15行开始的所有行
column
如果我们想看到一个格式化的表,而不是原始数据-我们有另一个命令。
column -s"," -t example_data.csv
-s提供文件中的列分隔符,-t只提供格式设置。它将产生这样的产出:
col1 col2 col3