命令行工具：csvkit命令行操作csv

2017-05-28 本文已影响368人心智万花筒

csvkit

csvkit是一个处理CSV文件的一个小工具，基于python，可以直接通过pip install csvkit安装。集成了csvlook，csvcut和csvsql等好用的小工具，非常好用。可以以表格形式显示CSV文件，可以轻松选取CSV指定列，可以在其上执行SQL操作

以如下的student.csv为例，做简单演示：

name	gender	score	grade
David	male	85	B
Michael	female	90	A
Cammy	male	88	A
Tom	female	59	C

csvlook

csvlook和其他命令行一样，可以直接指定文件作为输入，也可以接受stdin作为输入。对比下效果，直接cat student.csv的输出：

<pre>
name,gender,score,grade
David,male,85,B
Michael,female,90,A
Cammy,male,88,A
Tom,female,59,C
</pre>

用csvlook后cat student.csv | csvlook的输出：

name	gender	score	grade
David	male	85	B
Michael	female	90	A
Cammy	male	88	A
Tom	female	59	C

<pre>

name	gender	score	grade
David	male	85	B
Michael	female	90	A
Cammy	male	88	A
Tom	female	59	C

</pre>

熟悉Markdown语法的会发现这个就是Markdown里面的表格啊！

csvcut

和cut作用相似，但对CSV支持更好。比如查看列名，选取列，剔除列等。

csvcut -n student.csv：输出列名，当列比较多的时候特别有用，结果如下；
head -1 student.csv | tr ',' '\n' | cat -n：可以达到类似的效果;

<pre>
1: name
2: gender
3: score
4: grade
</pre>

csvcut -c 1 student.csv：提取第一列；
csvcut -c name student.csv：按名字提取列；
csvcut -C 2 student.csv：提取除去第二列的其他列，如下：

name	score	grade
David	85	B
Michael	90	A
Cammy	88	A
Tom	59	C

csvstat

可以对指定列做简单地统计分析，比如想简单看一下score的统计数据，可以直接提取该列，用pipeline传递给该命令即可：

csvcut -c score student.csv| csvstat：产生如下结果

<pre>
Type of data: Number
Contains null values: False
Unique values: 4
Smallest value: 59
Largest value: 90
Sum: 322
Mean: 80.5
Median: 86.5
StDev: 14.47987108598231501073829222
Most common values: 85 (1x)
90 (1x)
88 (1x)
59 (1x)

Row count: 4
</pre>

csvsql

这是一个比较狠的工具，直接在CSV文件上执行SQL查询，直接传入SQL语句即可：

csvsql --query "select avg(score) from student;" student.csv：计算score的均值
csvsql --query "select * from student where score > 85;" student.csv：选出score大于85行，如下：

name	gender	score	grade
Michael	female	90	A
Cammy	male	88	A