你須要熟練運用的12個命令行工具

摘要： 本文簡要介紹了當前較爲流行的12種對數據科學任務有價值的類Unix操做系統命令行工具：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操做系統命令行工具。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，一般會涉及到不一樣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操做系統中。

這些都是公認的初級階段所須要使用的工具，你也能夠在這個基礎上自行查找一些命令的例子。工具名稱的連接是維基百科對該工具的介紹，而不是工具手冊，在我看來，對於新手來講，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塊兒（實際鏈接）、將一個文件附加到另外一個文件後、對文件行進行編號等等。

3.wc

wc用於生成字數、行數、字節數與文本文件的相關內容。當選項爲空時，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符串被計爲單個字）、字符數和文件名（多個）。

4.head

head將文件的前n行（默認爲10）標準輸出。-n選項能夠設置顯示的行數。

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、任意類型字符結尾（「-name'iris *'」）、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使用各類標準進行製做，但cut能夠用於從CSV文件中提取一部分數據。

下圖中命令的含義：使用逗號（「-d'，'」）做爲字段分隔符輸出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，這個命令可能會頗有用：將一個命令的輸出送到另外一個命令的輸入等。

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實際上並非一個「命令」，而是一種完整的編程語言。用於處理和提取文本，而且能夠在命令行以單行命令調用。

掌握awk須要花費一些時間，但在此以前，這是它可以簡單完成的一個示例。考慮到咱們的示例文件iris.csv至關有限（尤爲涉及到文本多樣性時），該行調用awk，在給定文件（「iris.csv」）內搜索字符串「setosa」 ，並逐一打印到標準輸出，並打印整行（保存在$ 0變量中）。

10. grep

grep是另外一種文本處理工具，用於匹配字符串和正則表達式。

11. sed

sed是一個流編輯器，是另一種文本處理和轉換工具，相似於awk。下圖中命令的含義：將iris.csv文件中「setosa」更改成「iris-setosa」。

12.history

history很是簡單，尤爲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，瞭解並熟悉其用法對你在數據科學的學習中大有用處。

文章原標題《Top 12 Essential Command Line Tools for Data Scientists》

詳細內容請查看原文。