使用Miller工具高效处理多CSV文件数据
2025-05-25 03:32:25作者:董宙帆
概述
Miller是一款功能强大的命令行数据处理工具,特别适合处理结构化数据如CSV文件。本文将介绍如何使用Miller实现类似Excel中"从文件夹加载数据"、"合并并加载"多个CSV文件以及"应用转换"的功能。
多文件合并处理
Miller可以轻松处理目录下的多个CSV文件。使用通配符*.csv
可以匹配目录下所有CSV文件:
mlr --csv filter '$ColumnX == "1"' ../folder/*.csv > output.csv
这条命令会读取../folder/
目录下所有CSV文件,过滤出ColumnX
列值为"1"的行,并将结果合并输出到output.csv
文件中。
数据过滤操作
Miller提供了强大的过滤功能,主要通过filter
动词实现:
- 基本过滤:保留满足条件的行
mlr --csv filter '$three == 1' input.csv
- 多条件过滤:使用逻辑运算符组合条件
mlr --csv filter '$columnA == 1 && $columnB == 2' input.csv
- 字符串匹配过滤:处理包含特定字符串的行
mlr --csv filter '$columnC =~ "pattern"' input.csv
数据转换操作
除了过滤行,Miller还能对特定列的值进行修改:
- 字符串替换:使用
sub
或gsub
函数
mlr --csv put '$columnD = sub($columnD, "abc", "xyz")' input.csv
- 条件性修改:只修改满足条件的行
mlr --csv put '$columnE == "TEST" {$columnF = "NEW_VALUE"}' input.csv
- 多列同时修改:修改多个列的值
mlr --csv put 'if ($columnG == "TEST" && $columnH == "TEST") {
$columnG = "NEW";
$columnH = "NEW"
}' input.csv
实际应用示例
假设我们需要处理一个包含产品信息的CSV文件,要求:
- 过滤出状态为"active"的产品
- 将价格列中的"$"符号移除
- 将分类列中的"&"替换为"and"
可以使用以下Miller命令:
mlr --csv filter '$status == "active"' \
then put '$price = sub($price, "\\$", "");
$category = gsub($category, "&", "and")' \
input.csv > output.csv
性能优势
相比Excel,使用Miller处理大量CSV文件具有明显优势:
- 内存效率高,适合处理大型数据集
- 命令行操作可轻松集成到自动化流程中
- 处理速度快,特别适合批量操作
- 可重复执行,确保结果一致性
总结
Miller提供了强大而灵活的数据处理能力,通过简单的命令行操作就能实现复杂的数据转换任务。无论是简单的过滤还是复杂的数据清洗,Miller都能高效完成,是数据工程师和数据分析师的得力工具。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.92 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8