首页
/ Miller工具中高效过滤CSV数据的技巧

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

  1. 性能考虑:对于大量数据,正则表达式方法通常性能更好
  2. 可读性:哈希映射方法更易于理解和维护
  3. 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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
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
867
513
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
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
265
305
HarmonyOS-ExamplesHarmonyOS-Examples
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
CangjieCommunityCangjieCommunity
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开源商城ShopXO开源商城
🔥🔥🔥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
note-gennote-gen
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-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3