統(tǒng)計和數(shù)據(jù)處理都離不開csv文件窒舟，一般來說系忙，操作csv都是依賴第三方軟件，如Excel惠豺、Matlab這樣的银还；也可以自己編程，用Python耕腾、Perl等等见剩，直接操作文件比較麻煩杀糯。
但對簡單的處理扫俺，用大體量的軟件或是寫一段代碼有點殺雞用牛刀的感覺，這時固翰，csvkit就有用武之地狼纬。
開始
安裝csvkit
安裝csvkit很簡單：
pip3 install csvkit
我的系統(tǒng)是Python3.6，所以用pip3來安裝骂际，如果還在用Python2.7疗琉，就用pip install csvkit來進行安裝。
為了方便后面的測試和解釋歉铝，建議從官方下載測試樣本文件：
curl -L -O https://raw.githubusercontent.com/wireservice/csvkit/master/examples/realdata/ne_1033_data.xlsx
in2csv：Excel的殺手
下載的樣本文件是一個Excel文件盈简，誰愿意為了僅僅看兩行數(shù)據(jù)而等待Excel漫長的啟動界面呢？所以首先要將它轉(zhuǎn)換為csv文件，轉(zhuǎn)換也不用打開Excel柠贤，一條命令：
in2csv ne_1033_data.xlsx > data.csv
>是shell的重定向符香浩，如果不重定向，in2csv會將轉(zhuǎn)換之后的內(nèi)容輸出到控制臺顯示臼勉，現(xiàn)在我希望能保存為csv文件便于后續(xù)的操作邻吭，所以就將內(nèi)容輸出定向到data.csv文件中。
接下來看看data.csv的內(nèi)容吧：
cat data.csv
csv文件內(nèi)容有了宴霸，如果用cat的方式來看囱晴，既不方便也不美觀，接下來我們用另一個工具查看
csvlook：數(shù)據(jù)潛望鏡
這個文件有多少行呢瓢谢，用cat data.csv | wc -l看了一下畸写，有1037行，所以一屏肯定是看不完的氓扛，需要分頁查看艺糜，而分頁功能在類Unix系統(tǒng)上有現(xiàn)成的less可用。
csvlook data.csv | less -S
這樣的顯示就好多了幢尚，還可以方向鍵滾動查看破停，q退出，/搜索尉剩，等一系列less專用操作真慢。
csvcut：數(shù)據(jù)手術(shù)刀
既然名字中帶了一個cut，聰明的你肯定猜到了它的用途理茎，不過放心黑界，所有的操作都不會修改輸入（原始文件），只會影響輸出皂林。
先看看這個數(shù)據(jù)有哪些列
csvcut -n data.csv
可以看到朗鸠，總共有14列，在輸出信息中础倍，前面的數(shù)字是數(shù)字索引位置烛占，默認是從1開始計數(shù)，后面的是列名稱沟启，我想只看感興趣的幾列數(shù)據(jù)(在這里我為了演示忆家，只顯示4行數(shù)據(jù)，所以加了head進行輸出行數(shù)限定)：
csvcut -c 2,5,6 data.csv | head -n 5
可以看到既可以用數(shù)字作為索引德迹，也可以用列名稱作為索引芽卿，所以上面的指令和下面這個指令是等價的
csvcut -c county,item_name,quantity data.csv | head -n 5
用管道進行組合
上面的輸出不錯，能否再顯示得美觀一點呢胳搞？答案是肯定的卸例，將命令用管道組合起來就行了
csvcut -c county,item_name,quantity data.csv | csvlook | head
|管道是類Unix平臺上的強大能力称杨，如果不關(guān)心中間結(jié)果，甚至可以從頭到尾都用管道進行連接筷转，例如上面的命令改成如下方式列另，也是一樣的結(jié)果
in2csv ne_1033_data.xlsx | csvcut -c county,item_name,quantity | csvlook | head
這樣就省去了生成data.csv文件的中間過程。
數(shù)據(jù)分析
csvstat：無代碼亦統(tǒng)計
使用csvlook和csvcut查看數(shù)據(jù)的切片只是探索數(shù)據(jù)的開始旦装，在實踐中页衙，通常還需要一些計算和統(tǒng)計，csvstat的設(shè)計靈感來自編程語言 “R”的summary()統(tǒng)計阴绢，它可以統(tǒng)計匯總一個CSV文件中的數(shù)據(jù)列店乐。
csvcut -c county,acquisition_cost,ship_date data.csv | csvstat
不知道你有沒有統(tǒng)計學(xué)基礎(chǔ)？如果有的話呻袭，應(yīng)該一目了然眨八，唯一值、最小值左电、最大值廉侧、總計、均值篓足、中位值段誊、標準差……，大部分情況下夠用了:)
csvgrep：找到需要的數(shù)據(jù)
僅僅按照列的方式過濾還是比較弱栈拖，還需要按照內(nèi)容進行過濾连舍，這時csvgrep就派上用場，例如涩哟，我們只想看蘭開斯特的數(shù)據(jù)索赏。
csvcut -c county,item_name,total_cost data.csv | csvgrep -c county -m LANCASTER | csvlook
csvgrep還支持正則表達式，關(guān)于正則表達式的討論有點超出本篇范圍贴彼，有興趣可以查看系統(tǒng)工具grep的手冊潜腻。
csvsort：秩序
前面顯示出來的內(nèi)容都很少，實際中往往都有成千上萬行器仗，所以排序功能很重要融涣，我們試一下用csvsort對total_cost列進行遞減順序：
csvcut -c county,item_name,total_cost data.csv | csvgrep -c county -m LANCASTER | csvsort -c total_cost -r | csvlook
寶刀屠龍
csvjoin：關(guān)聯(lián)數(shù)據(jù)
在上面的數(shù)據(jù)中，有各個地區(qū)的武器裝備信息青灼，接下來想了解一個問題——裝備有武器的地區(qū)中暴心，哪里的人口最少？
原來的數(shù)據(jù)表不包含人口數(shù)量杂拨，所以下載一個包含人口信息的數(shù)據(jù)：
curl -L -O https://raw.githubusercontent.com/wireservice/csvkit/master/examples/realdata/acs2012_5yr_population.csv
兩個數(shù)據(jù)表都包含fips字段，我們可以用這個字段來連接兩個數(shù)據(jù)：
csvjoin -c fips data.csv acs2012_5yr_population.csv > joined.csv
csvcut -c county,item_name,total_population joined.csv | csvsort -c total_population | csvlook | head
csvstack：合并數(shù)據(jù)
數(shù)據(jù)經(jīng)常會分散在不同地方悯衬，這時希望將一堆的csv文件合并成一個數(shù)據(jù)文件弹沽，csvstack可以幫助達成這個目標檀夹，一般來說csvstack需要同列同名的數(shù)據(jù)才可以合并。但是你知道策橘，有時候即使兩個csv文件有稍微的不同炸渡，也可以通過csvcut的列選擇來獲得同列同名的數(shù)據(jù)表。
# 獲得堪薩斯州的測試數(shù)據(jù)
curl -L -O https://raw.githubusercontent.com/wireservice/csvkit/master/examples/realdata/ks_1033_data.csv
# 使用相同的文件名命名規(guī)則
in2csv ne_1033_data.xlsx > ne_1033_data.csv
# 合并兩個文件到region.csv中
csvstack ne_1033_data.csv ks_1033_data.csv > region.csv
# 查看部分列的統(tǒng)計信息
csvstat -c state,acquisition_cost region.csv
csvsql, sql2csv：必殺技
有時丽已，僅僅命令行是不夠的蚌堵，需要用SQL來進行數(shù)據(jù)的操作，csvsql和sql2csv就提供了數(shù)據(jù)庫和csv之間的橋梁沛婴。
例如吼畏，我想將現(xiàn)在的csv文件轉(zhuǎn)為數(shù)據(jù)庫表
csvsql -i sqlite joined.csv
當然，我們可以一步到位嘁灯，直接創(chuàng)建一個本地數(shù)據(jù)庫：
csvsql --db sqlite:///leso.db --insert joined.csv
接下來泻蚊，就可以利用數(shù)據(jù)庫軟件對這個數(shù)據(jù)庫進行常規(guī)的SQL查詢，當然也可以用CSVKIT提供的小工具sql2csv來進行查詢丑婿。
sql2csv --db sqlite:///leso.db --query "select * from joined where total_population<1000;" | csvcut -c state,county,total_population | csvlook
如果SQL查詢使用不頻繁性雄，何不直接在csv上執(zhí)行SQL查詢呢？
csvsql --query "select county,item_name,quantity from joined where quantity == 5;" joined.csv 2>/dev/null | csvlook
總結(jié)
由于我經(jīng)常做數(shù)據(jù)處理的計算羹奉，所以磁盤上總是有大量的csv文件秒旋，用普通的文本編輯器打開非常緩慢不說，還不方便查詢和檢視诀拭，有了這套工具確實方便了很多滩褥。此外，它對中文的處理也還行炫加，文件設(shè)置為UTF-8編碼就好瑰煎。
