你需要熟練運用的12個命令行工具

摘要： 本文簡要介紹了當前較為流行的12種對數據科學任務有價值的類Unix操作系統命令行工具：wget，cat，wc，head，tail，find，cut，uniq，awk，grep，sed，history。

這篇文章簡要介紹了十幾種用於數據科學任務的類Unix操作系統命令行工具。這些工具並不包括通用的文件管理命令（pwd，ls，mkdir，rm，...）或遠程會話管理工具（rsh，ssh，...），而是由對數據科學比較有用的實用程序組成，通常會涉及到不同程度的數據檢查和處理。這些工具都包含在一個典型的類Unix操作系統中。

這些都是公認的初級階段所需要使用的工具，你也可以在這個基礎上自行查找一些命令的例子。工具名稱的鏈接是維基百科對該工具的介紹，而不是工具手冊，在我看來，對於新手來說，維基百科要比工具手冊要更實用。

1.wget

wget是一個文件檢索工具，基本用法則是遠程下載文件。

2.cat

cat是對文件內容進行標準輸出。名稱來源於concatenate。用於將兩個文件組合在一起（實際連接）、將一個文件附加到另一個文件後、對文件行進行編號等等。

3.wc

wc用於生成字數、行數、位元組數與文本文件的相關內容。當選項為空時，wc默認輸出一行，從左到右分別是：行數、字數（每一行中沒有中斷的單個字元串被計為單個字）、字元數和文件名（多個）。

4.head

head將文件的前n行（默認為10）標準輸出。-n選項可以設置顯示的行數。

5.tail

tail用於輸出文件的尾部信息。

6. find

find用於搜索文件系統中的特定文件。

下圖中命令的含義：從當前目錄（「.」）開始搜索以「iris」開始、任意類型字元結尾（「-nameiris *」）、普通文件類型（「-type f「）的文件。

7.cut

cut用於從文件中提取文本中的一列。雖然提取出來的列可以使用各種標準進行製作，但cut可以用於從CSV文件中提取一部分數據。

下圖中命令的含義：使用逗號（「-d，」）作為欄位分隔符輸出iris.csv文件的第五列（「-f 5」）。

8.uniq

uniq檢查及刪除相同的行或列，將文本文件進行標準輸出。在命令行中構建管道時，這個命令可能會很有用：將一個命令的輸出送到另一個命令的輸入等。

下圖中命令的含義：列出iris數據集類名第五列重複的次數。

9.awk

awk實際上並不是一個「命令」，而是一種完整的編程語言。用於處理和提取文本，並且可以在命令行以單行命令調用。

掌握awk需要花費一些時間，但在此之前，這是它能夠簡單完成的一個示例。考慮到我們的示例文件iris.csv相當有限（尤其涉及到文本多樣性時），該行調用awk，在給定文件（「iris.csv」）內搜索字元串「setosa」 ，並逐一列印到標準輸出，並列印整行（保存在$ 0變數中）。

10. grep

grep是另一種文本處理工具，用於匹配字元串和正則表達式。

11. sed

sed是一個流編輯器，是另外一種文本處理和轉換工具，類似於awk。下圖中命令的含義：將iris.csv文件中「setosa」更改為「iris-setosa」。

12.history

history非常簡單，尤其是在你依賴於複製使用過的命令時，這個命令特別有用。

以上12個命令都是最基本的命令行工具，了解並熟悉其用法對你在數據科學的學習中大有用處。

以上為譯文。

本文由阿里云云棲社區組織翻譯。

文章原標題《Top 12 Essential Command Line Tools for Data Scientists》，譯者：Mags，審校：袁虎。

文章為簡譯，更為詳細的內容，請查看原文。

更多技術乾貨敬請關注云棲社區知乎機構號：阿里云云棲社區 - 知乎