使用Miller工具高效处理多CSV文件数据
2025-05-25 20:56:01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
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TypeScript039RuoYi-Vue3
🎉 (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Vue0417arkanalyzer
方舟分析器:面向ArkTS语言的静态程序分析框架TypeScript041GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。03PowerWechat
PowerWechat是一款基于WeChat SDK for Golang,支持小程序、微信支付、企业微信、公众号等全微信生态Go00openGauss-server
openGauss kernel ~ openGauss is an open source relational database management systemC++0146
热门内容推荐
1 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析2 freeCodeCamp课程页面空白问题的技术分析与解决方案3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp英语课程填空题提示缺失问题分析7 freeCodeCamp Cafe Menu项目中link元素的void特性解析8 freeCodeCamp课程中屏幕放大器知识点优化分析9 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析10 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析
最新内容推荐
Visual-RFT项目中模型路径差异的技术解析 Microcks在OpenShift上部署Keycloak PostgreSQL的权限问题解析 Beyla项目中的HTTP2连接检测问题解析 RaspberryMatic项目中HmIP-BWTH温控器假期模式设置问题分析 Lets-Plot 库中条形图标签在坐标轴反转时的定位问题解析 BedrockConnect项目版本兼容性问题解析与解决方案 LiquidJS 10.21.0版本新增数组过滤功能解析 Mink项目中Selenium驱动切换iframe的兼容性问题分析 Lichess移动端盲棋模式字符串优化解析 sbctl验证功能JSON输出问题解析
项目优选
收起

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
51
15

🎉 (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
575
417

React Native鸿蒙化仓库
C++
125
208

openGauss kernel ~ openGauss is an open source relational database management system
C++
77
146

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
445
39

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
98
253

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
693
91

FOLib 是一个为Ai研发而生的、全语言制品库和供应链服务平台
Java
110
6

🔥🔥超过1000本的计算机经典书籍、个人笔记资料以及本人在各平台发表文章中所涉及的资源等。书籍资源包括C/C++、Java、Python、Go语言、数据结构与算法、操作系统、后端架构、计算机系统知识、数据库、计算机网络、设计模式、前端、汇编以及校招社招各种面经~
120
16

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
299
1.03 K