首页
/ 使用Miller工具高效处理多CSV文件数据

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:

  1. 基本过滤:保留满足条件的行
mlr --csv filter '$three == 1' input.csv
  1. 多条件过滤:使用逻辑运算符组合条件
mlr --csv filter '$columnA == 1 && $columnB == 2' input.csv
  1. 字符串匹配过滤:处理包含特定字符串的行
mlr --csv filter '$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:

  1. 字符串替换:使用subgsub函数
mlr --csv put '$columnD = sub($columnD, "abc", "xyz")' input.csv
  1. 条件性修改:只修改满足条件的行
mlr --csv put '$columnE == "TEST" {$columnF = "NEW_VALUE"}' input.csv
  1. 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:

  1. 过滤出状态为"active"的产品
  2. 将价格列中的"$"符号移除
  3. 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:

  1. 内存效率高,适合处理大型数据集
  2. 命令行操作可轻松集成到自动化流程中
  3. 处理速度快,特别适合批量操作
  4. 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

项目优选

收起
leetcodeleetcode
🔥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-Vue3RuoYi-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
Vue
575
417
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
125
208
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
77
146
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
445
39
openHiTLSopenHiTLS
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
MateChatMateChat
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
folibfolib
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
CS-BooksCS-Books
🔥🔥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
Cangjie-ExamplesCangjie-Examples
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