Miller工具中高效过滤CSV数据的技巧
2025-05-25 08:24:39作者:羿妍玫Ivan
概述
在数据处理过程中,经常需要对CSV文件中的特定行进行筛选。Miller作为一款强大的命令行数据处理工具,提供了多种灵活的方式来处理这类需求。本文将介绍如何使用Miller高效地过滤CSV数据,特别是当需要基于多个条件进行筛选时。
正则表达式过滤法
当需要基于某列的多个可能值进行筛选时,最简洁的方法是使用正则表达式:
mlr --csv filter '$column1=~"^(one|two|three|four|five|six|seven|eight)$"' input.csv
这个正则表达式的含义是:
^
匹配字符串开头(one|two|...|eight)
匹配括号内的任意一个单词$
匹配字符串结尾
这种方法特别适合当筛选条件较多时,可以避免冗长的条件语句。
哈希映射过滤法
另一种更结构化的方法是使用哈希映射:
mlr --csv --from input.csv filter '
begin {
@map = {
"one": true,
"two": true,
"three": true,
"four": true,
"five": true,
"six": true,
"seven": true,
"eight": true
}
}
@map[$column1]
'
这种方法将需要保留的值预先存储在哈希表中,然后在过滤时检查当前行的值是否存在于哈希表中。这种方法的优势是逻辑清晰,易于维护,特别是当筛选条件需要频繁修改时。
多列联合过滤
如果需要同时对多列进行相同的筛选,可以使用逻辑或操作:
mlr --csv filter '@map[$column1] || @map[$column2]' input.csv
这表示只要column1或column2中的任意一个值匹配筛选条件,就会保留该行数据。
反向过滤
有时我们需要保留不匹配特定条件的数据行。Miller提供了-x
选项来实现反向过滤:
mlr --csv filter -x '@map[$column1]' input.csv
这将会保留所有column1值不在哈希映射表中的行。
实际应用建议
- 性能考虑:对于大量数据,正则表达式方法通常性能更好
- 可读性:哈希映射方法更易于理解和维护
- 灵活性:两种方法都可以轻松扩展以适应更复杂的筛选条件
通过掌握这些技巧,您可以高效地处理各种CSV数据筛选需求,使数据处理流程更加简洁和高效。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
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~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode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。06GOT-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。00openHiTLS
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!C0305- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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
867
513

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
265
305

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3