摘要： 本文簡要介紹了當(dāng)前較為流行的12種對數(shù)據(jù)科學(xué)任務(wù)有價值的類Unix操作系統(tǒng)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于數(shù)據(jù)科學(xué)任務(wù)的類Unix操作系統(tǒng)命令行工具。這些工具并不包括通用的文件管理命令（pwd，ls，mkdir，rm，…）或遠(yuǎn)程會話管理工具（rsh，ssh，…），而是由對數(shù)據(jù)科學(xué)比較有用的實用程序組成，通常會涉及到不同程度的數(shù)據(jù)檢查和處理。這些工具都包含在一個典型的類Unix操作系統(tǒng)中。

這些都是公認(rèn)的初級階段所需要使用的工具，你也可以在這個基礎(chǔ)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，對于新手來說，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(yuǎn)程下載文件。

2.cat

cat是對文件內(nèi)容進(jìn)行標(biāo)準(zhǔn)輸出。名稱來源于concatenate。用于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后、對文件行進(jìn)行編號等等。

3.wc

wc用于生成字?jǐn)?shù)、行數(shù)、字節(jié)數(shù)與文本文件的相關(guān)內(nèi)容。當(dāng)選項為空時，wc默認(rèn)輸出一行，從左到右分別是：行數(shù)、字?jǐn)?shù)（每一行中沒有中斷的單個字符串被計為單個字）、字符數(shù)和文件名（多個）。

4.head

head將文件的前n行（默認(rèn)為10）標(biāo)準(zhǔn)輸出。-n選項可以設(shè)置顯示的行數(shù)。

5.tail

tail用于輸出文件的尾部信息。

6. find

find用于搜索文件系統(tǒng)中的特定文件。

下圖中命令的含義：從當(dāng)前目錄（“.”）開始搜索以“iris”開始、任意類型字符結(jié)尾（“-name’iris *’”）、普通文件類型（“-type f“）的文件。

7.cut

cut用于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(biāo)準(zhǔn)進(jìn)行制作，但cut可以用于從CSV文件中提取一部分?jǐn)?shù)據(jù)。

下圖中命令的含義：使用逗號（“-d’，’”）作為字段分隔符輸出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(jìn)行標(biāo)準(zhǔn)輸出。在命令行中構(gòu)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(shù)據(jù)集類名第五列重復(fù)的次數(shù)。

9.awk

awk實際上并不是一個“命令”，而是一種完整的編程語言。用于處理和提取文本，并且可以在命令行以單行命令調(diào)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?？紤]到我們的示例文件iris.csv相當(dāng)有限（尤其涉及到文本多樣性時），該行調(diào)用awk，在給定文件（“iris.csv”）內(nèi)搜索字符串“setosa” ，并逐一打印到標(biāo)準(zhǔn)輸出，并打印整行（保存在$ 0變量中）。

10. grep

grep是另一種文本處理工具，用于匹配字符串和正則表達(dá)式。

11. sed

sed是一個流編輯器，是另外一種文本處理和轉(zhuǎn)換工具，類似于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，尤其是在你依賴于復(fù)制使用過的命令時，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，了解并熟悉其用法對你在數(shù)據(jù)科學(xué)的學(xué)習(xí)中大有用處。

原文鏈接

干貨好文，請關(guān)注掃描以下二維碼：

總結(jié)

以上是生活随笔為你收集整理的你需要熟练运用的12个命令行工具的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。