摘要： 本文簡要介紹了當前較為流行的12種對數據科學任務有價值的類Unix操作系統命令行工具：wget，cat，wc，head，tail，find，cut，uniq，awk，grep，sed，history。

這篇文章簡要介紹了十幾種用于數據科學任務的類Unix操作系統命令行工具。這些工具并不包括通用的文件管理命令（pwd，ls，mkdir，rm，…）或遠程會話管理工具（rsh，ssh，…），而是由對數據科學比較有用的實用程序組成，通常會涉及到不同程度的數據檢查和處理。這些工具都包含在一個典型的類Unix操作系統中。

這些都是公認的初級階段所需要使用的工具，你也可以在這個基礎上自行查找一些命令的例子。工具名稱的鏈接是維基百科對該工具的介紹，而不是工具手冊，在我看來，對于新手來說，維基百科要比工具手冊要更實用。

1.wget

wget是一個文件檢索工具，基本用法則是遠程下載文件。

2.cat

cat是對文件內容進行標準輸出。名稱來源于concatenate。用于將兩個文件組合在一起（實際連接）、將一個文件附加到另一個文件后、對文件行進行編號等等。

3.wc

wc用于生成字數、行數、字節數與文本文件的相關內容。當選項為空時，wc默認輸出一行，從左到右分別是：行數、字數（每一行中沒有中斷的單個字符串被計為單個字）、字符數和文件名（多個）。

4.head

head將文件的前n行（默認為10）標準輸出。-n選項可以設置顯示的行數。

5.tail

tail用于輸出文件的尾部信息。

6. find

find用于搜索文件系統中的特定文件。

下圖中命令的含義：從當前目錄（“.”）開始搜索以“iris”開始、任意類型字符結尾（“-name’iris *’”）、普通文件類型（“-type f“）的文件。

7.cut

cut用于從文件中提取文本中的一列。雖然提取出來的列可以使用各種標準進行制作，但cut可以用于從CSV文件中提取一部分數據。

下圖中命令的含義：使用逗號（“-d’，’”）作為字段分隔符輸出iris.csv文件的第五列（“-f 5”）。

8.uniq

uniq檢查及刪除相同的行或列，將文本文件進行標準輸出。在命令行中構建管道時，這個命令可能會很有用：將一個命令的輸出送到另一個命令的輸入等。

下圖中命令的含義：列出iris數據集類名第五列重復的次數。

9.awk

awk實際上并不是一個“命令”，而是一種完整的編程語言。用于處理和提取文本，并且可以在命令行以單行命令調用。

掌握awk需要花費一些時間，但在此之前，這是它能夠簡單完成的一個示例。考慮到我們的示例文件iris.csv相當有限（尤其涉及到文本多樣性時），該行調用awk，在給定文件（“iris.csv”）內搜索字符串“setosa” ，并逐一打印到標準輸出，并打印整行（保存在$ 0變量中）。

10. grep

grep是另一種文本處理工具，用于匹配字符串和正則表達式。

11. sed

sed是一個流編輯器，是另外一種文本處理和轉換工具，類似于awk。下圖中命令的含義：將iris.csv文件中“setosa”更改為“iris-setosa”。

12.history

history非常簡單，尤其是在你依賴于復制使用過的命令時，這個命令特別有用。

以上12個命令都是最基本的命令行工具，了解并熟悉其用法對你在數據科學的學習中大有用處。

原文鏈接

干貨好文，請關注掃描以下二維碼：

總結

以上是生活随笔為你收集整理的你需要熟练运用的12个命令行工具的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。