你需要熟练运用的12个命令行工具

这篇文章简要介绍了十几种用于数据科学任务的类Unix操作系统命令行工具。这些工具并不包括通用的文件管理命令（pwd，ls，mkdir，rm，...）或远程会话管理工具（rsh，ssh，...），而是由对数据科学比较有用的实用程序组成，通常会涉及到不同程度的数据检查和处理。这些工具都包含在一个典型的类Unix操作系统中。

这些都是公认的初级阶段所需要使用的工具，你也可以在这个基础上自行查找一些命令的例子。工具名称的链接是维基百科对该工具的介绍，而不是工具手册，在我看来，对于新手来说，维基百科要比工具手册要更实用。

1.wget

wget是一个文件检索工具，基本用法则是远程下载文件。

2.cat

cat是对文件内容进行标准输出。名称来源于concatenate。用于将两个文件组合在一起（实际连接）、将一个文件附加到另一个文件后、对文件行进行编号等等。

3.wc

wc用于生成字数、行数、字节数与文本文件的相关内容。当选项为空时，wc默认输出一行，从左到右分别是：行数、字数（每一行中没有中断的单个字符串被计为单个字）、字符数和文件名（多个）。

4.head

head将文件的前n行（默认为10）标准输出。-n选项可以设置显示的行数。

5.tail

tail用于输出文件的尾部信息。

6. find

find用于搜索文件系统中的特定文件。

下图中命令的含义：从当前目录（“.”）开始搜索以“iris”开始、任意类型字符结尾（“-name'iris *'”）、普通文件类型（“-type f“）的文件。

7.cut

cut用于从文件中提取文本中的一列。虽然提取出来的列可以使用各种标准进行制作，但cut可以用于从CSV文件中提取一部分数据。

下图中命令的含义：使用逗号（“-d'，'”）作为字段分隔符输出iris.csv文件的第五列（“-f 5”）。

8.uniq

uniq检查及删除相同的行或列，将文本文件进行标准输出。在命令行中构建管道时，这个命令可能会很有用：将一个命令的输出送到另一个命令的输入等。

下图中命令的含义：列出iris数据集类名第五列重复的次数。

9.awk

awk实际上并不是一个“命令”，而是一种完整的编程语言。用于处理和提取文本，并且可以在命令行以单行命令调用。

掌握awk需要花费一些时间，但在此之前，这是它能够简单完成的一个示例。考虑到我们的示例文件iris.csv相当有限（尤其涉及到文本多样性时），该行调用awk，在给定文件（“iris.csv”）内搜索字符串“setosa” ，并逐一打印到标准输出，并打印整行（保存在$ 0变量中）。

10. grep

 grep是另一种文本处理工具，用于匹配字符串和正则表达式。

11. sed

 sed是一个流编辑器，是另外一种文本处理和转换工具，类似于awk。下图中命令的含义：将iris.csv文件中“setosa”更改为“iris-setosa”。

12.history

history非常简单，尤其是在你依赖于复制使用过的命令时，这个命令特别有用。

以上12个命令都是最基本的命令行工具，了解并熟悉其用法对你在数据科学的学习中大有用处。

以上为译文。

本文由阿里云云栖社区组织翻译。

文章原标题《Top 12 Essential Command Line Tools for Data Scientists》，译者：Mags，审校：袁虎。