Как стать автором
Обновить
1943.02
Рейтинг
Timeweb Cloud
Облачная платформа для разработчиков и бизнеса

Краткое руководство по работе с данными с помощью Miller

Время прочтения 3 мин
Просмотры 2.4K
Блог компании Timeweb Cloud Программирование *Data Engineering *
Обзор
Перевод
Автор оригинала: Alvin Bryan


Привет, друзья!


Представляю вашему вниманию перевод этой замечательной статьи, в которой рассказывается о Miller — автономном, легковесном и мощном интерфейсе командной строки (Command Line Interface, CLI) для работы с данными в форматах CSV, JSON и некоторых других.


Интересно? Тогда прошу под кат.


Установка


  • Linux: apt-get install miller
  • macOS: brew install miller
  • Windows: choco install miller

Для того, чтобы убедиться в корректной установке Miller, открываем терминал и выполняем следующую команду:


mlr --version

Результат:





Команда для получения помощи (списка доступных команд):


mlr help topics

Сигнатура команды


Сигнатура команды Miller выглядит следующим образом:


mlr [input/output file formats] [verbs] [file]
# например
mlr --csv filter '$color != "red"' example.csv

Здесь:


  • --csv определяет, что форматом входного (обрабатываемого) файла является CSV;
  • filter определяет операцию, выполняемую с файлом (глагол — verb). В данном случае мы удаляем строки, которые не содержат поля color со значением red. Существуют и другие глаголы, например, sort и cut (см. ниже);
  • example.csv определяет обрабатываемый файл.

Обзор операций


Данные


Скачиваем Рейтинг IMDb американских сериалов.


Глагол head позволяет получить первые 10 строк файла:


mlr ---csv head ./tv_ratings.csv

Результат:





Для форматирования вывода используется флаг --opprint:


mlr --csv --opprint head ./tv_ratings.csv

Результат:





Флаг --c2p является сокращением для флагов --csv --opprint.


Цепочка команд


Ключевое слово then позволяет объединять глаголы в цепочку, т.е. выполнять несколько операций за один раз (см. ниже).


Удаление колонок


Колонка titleId не несет никакой смысловой нагрузки. Удалим ее с помощью глагола cut:


mlr --c2p cut -x -f titleId then head ./tv_ratings.csv

Здесь:


  • -f определяет удаляемые поля (перечисляются через запятую);
  • -x определяет, что удаляемые поля исключаются из вывода, а не включаются в него (поведение по умолчанию).

Результат:





Фильтрация


Для фильтрации полей используется глагол filter. Получим первые 10 (по порядку в файле) серий первого сезона:


mlr --c2p filter '$seasonNumber == 1' then head ./tv_ratings.csv

Результат:





Сортировка


Для сортировки полей используется глагол sort. Получим первые 10 серий с самыми высокими рейтингами:


mlr --c2p sort -nr av_rating then head ./tv_ratings.csv

Здесь:


  • -nr определяет числовой нисходящий (от большего к меньшему) порядок сортировки (нули сортируются первыми).

Результат:





Сохранение результата операций


Оператор > позволяет выполнять запись результата операций в файл:


mlr --csv sort -nr av_rating ./tv_ratings.csv > ./sorted_tv_ratings.csv

Результат:





Преобразование CSV в JSON


Для преобразования CSV в JSON используется флаг --c2j:


mlr --c2j sort -nr av_rating ./tv_ratings.csv > ./sorted_tv_ratings.json

Результат:





Задача


Рассмотрим пример практического использования Miller — получение списка 5 спортсменов, завоевавших наибольшее количество медалей на олимпиаде в Рио-де-Жанейро в 2016 году.


Скачиваем этот файл в формате CSV.


Взглянем на него:


mlr --c2p head ./athletes.csv

Результат:





Удаляем лишние поля:


mlr --csv -I cut -x -f id,info,weight,height,date_of_birth ./athletes.csv

Здесь:


  • -I означает, что файл обрабатывается на месте, т.е. сначала создается временный файл, в который записывается результат операций, затем оригинальный файл перезаписывается временным.

Прим. пер.: я не буду перезаписывать оригинальный файл, а запишу результат операции в файл athletes_formatted.csv с помощью следующей команды:


mlr -c cut -x -f id,info,weight,height,date_of_birth ./athletes.csv > ./athletes_formatted.csv

Здесь:


  • -c — это сокращение для --csv.

Результат:





У нас имеется статистика по количеству золотых, серебряных и бронзовых медалей. Общее количество медалей можно вычислить с помощью глагола put следующим образом:


mlr --c2p put '$medals=$bronze+$silver+$gold' then head ./athletes_formatted.csv

Результат:





Сортируем список по количеству медалей от большего с меньшему:


mlr --c2p put '$medals=$bronze+$silver+$gold' \
then sort -nr medals \
then head ./athletes_formatted.csv

Результат:





Ограничиваем вывод пятью спортсменами с помощью флага -n:


mlr --c2p put '$medals=$bronze+$silver+$gold' \
then sort -nr medals \
then head -n 5 ./athletes_formatted.csv

Результат:





Записываем результат в JSON-файл:


mlr --c2j put '$medals=$bronze+$silver+$gold' \
then sort -nr medals \
then head -n 5 ./athletes.csv > ./top5_athletes.json

Результат:





Здесь:


  • -j — это сокращение для --json

Что если мы хотим получить пятерку лучших атлетов среди женщин? Проще простого:


mlr --c2p put '$medals=$bronze+$silver+$gold' \
then sort -nr medals \
then filter '$sex == "female"' \
then head -n 5 ./athletes_formatted.csv

Результат:





Надеюсь, что вы, как и я, узнали что-то новое и не зря потратили время.


Благодарю за внимание и happy coding!




Теги:
Хабы:
Всего голосов 25: ↑25 и ↓0 +25
Комментарии 7
Комментарии Комментарии 7

Публикации

Информация

Сайт
timeweb.cloud
Дата регистрации
Дата основания
Численность
201–500 человек
Местоположение
Россия