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!




Комментарии (7)


  1. gmtd
    18.01.2023 18:13
    +2

    А еще можно загрузить csv в mysql, и оп-ля-ля...


    1. aborouhin
      18.01.2023 19:58
      +1

      Загрузить можно и в Pandas / Spark / Polars. Или в любимый мной OpenRefine, если надо с визуальным контролем результата почистить сильно "грязные" данные.

      У miller, на первый взгляд, сильная сторона - возможность встроить его в какие-нибудь скрипты без лишних телодвижений, там, где более тяжёлые инструменты будут "из пушки по воробьям". Автору поста спасибо, запомнил, вдруг пригодится.


    1. savostin
      18.01.2023 21:02

      А еще можно подключить CSV к SQLite как virtual table.


  1. savostin
    18.01.2023 21:05

    Ну и cvskit имеется...


  1. rukhi7
    19.01.2023 08:15

    Шел 21-й век, железный человек разговаривал с роботом и силой мысли передвигал элементы схемы на голографической визуализации, а мы ...

    -c — это сокращение для --csv.

    Мы как в старые добрые времена сокращаем --csv до -c в командной строке.


    1. Oceanshiver
      20.01.2023 11:20

      Так это хорошо или плохо?


      1. rukhi7
        21.01.2023 10:56

        на вкус и цвет, конечно, товарищей нет, но лично для меня это достижением не выглядит.