特定の列を名前で印刷する方法は？

次のファイルがあります。

id  name  age
1   ed    50
2   joe   70   

列idとage列だけを印刷したい。今私はちょうど使用しますawk：

cat file.tsv | awk '{ print $1, $3 }'

ただし、これには列番号を知る必要があります。列番号の代わりに列の名前（最初の行で指定された）を使用できる場所でそれを行う方法はありますか？

たぶんこのようなもの：

$ cat t.awk
NR==1 {
    for (i=1; i<=NF; i++) {
        ix[$i] = i
    }
}
NR>1 {
    print $ix[c1], $ix[c2]
}
$ awk -f t.awk c1=id c2=name input 
1 ed
2 joe
$ awk -f t.awk c1=age c2=name input 
50 ed
70 joe

コマンドラインで印刷する列を指定する場合は、次のようにします。

$ cat t.awk 
BEGIN {
    split(cols,out,",")
}
NR==1 {
    for (i=1; i<=NF; i++)
        ix[$i] = i
}
NR>1 {
    for (i in out)
        printf "%s%s", $ix[out[i]], OFS
    print ""
}
$ awk -f t.awk -v cols=name,age,id,name,id input 
ed 1 ed 50 1 
joe 2 joe 70 2 

（ブロックで-v定義された変数を取得するスイッチに注意してくださいBEGIN。）

Perlソリューションをくじ引きするだけです：

#!/usr/bin/perl -wnla

BEGIN {
    @f = ('id', 'age');   # field names to print
    print "@f";           # print field names
}

if ($. == 1) {            # if line number 1
    @n = @F;              #   get all field names
} else {                  # or else
    @v{@n} = @F;          #   map field names to values
    print "@v{@f}";       #   print values based on names
}

csvkit

入力データは、CSV形式に変換し、そのようなものとしてCSVツールを使用してcsvcutからcsvkit：

$ cat test-cols.dat 
id  name  age
1   ed    50
2   joe   70 

csvkitをインストールします。

$ pip install csvkit

使用しtrてスクイズオプションで-s有効なCSVファイルに変換し、適用しますcsvcut：

$ cat test-cols.dat | tr -s ' ' ',' | csvcut -c id,age
id,age
1,50
2,70

古いデータ形式に戻したい場合は、次を使用できます。 tr ',' ' ' | column -t

$ cat test-cols.dat | tr -s ' ' ',' | csvcut -c id,age | tr ',' ' ' | column -t
id  age
1   50
2   70

ノート

• csvkitは異なる区切り文字（共有オプション -dまたは--delimiter）もサポートしていますが、csvファイルを返します。

  • ファイルで列を区切るのにスペースのみを使用する場合（タブはまったく使用しない）、次のように動作します

    $ csvcut -d ' ' -S -c 'id,age' test-cols.dat
    id,age
    1,50
    2,70

  • ファイルでタブを使用して列を区切る場合、次のように動作し、csvformattsvファイルを取得するために使用できます。

    $ csvcut -t -c 'id,age' test-cols.dat | csvformat -T
    id  age
    1   50
    2   70

    確認した限りでは、1つのタブのみが許可されています。

• csvlook テーブルをマークダウンテーブル形式でフォーマットできます。

  $ csvcut -t -c "id,age" test-cols.dat | csvlook
  | id | age |
  | -- | --- |
  |  1 |  50 |
  |  2 |  70 |

• UUOC（猫の無駄な使用）：コマンドを作成するのにこの方法が好きです。

数字の代わりに名前で それらのフィールドを参照したいだけなら、使用できますread：

while read id name age
do
  echo "$id $age"
done < file.tsv 

編集

私はついにあなたの意味を見ました！コマンドラインで指定した列のみを出力するbash関数は次のとおりです（by名前で）。

printColumns () 
{ 
read names
while read $names; do
    for col in $*
    do
        eval "printf '%s ' \$$col"
    done
    echo
done
}

提示したファイルでそれを使用する方法は次のとおりです。

$ < file.tsv printColumns id name
1 ed 
2 joe 

（関数 はstdin。を読み取ります。< file.tsv printColumns ...printColumns ... < file.tsvとcat file.tsv | printColumns ...）

$ < file.tsv printColumns name age
ed 50 
joe 70 

$ < file.tsv printColumns name age id name name name
ed 50 1 ed ed ed 
joe 70 2 joe joe joe

注：要求する列の名前に注意してください！このバージョンには健全性チェックがないため、引数の1つが次のような場合に厄介なことが発生する可能性があります"anything; rm /my/precious/file"

それが価値があるもののために。これにより、ソース内の任意の数の列、および選択した出力シーケンスで印刷する任意の数の列を処理できます。引数を再配置するだけです...

例えば。コール：script-name id age

outseq=($@)
colnum=($( 
  for ((i; i<${#outseq[@]}; i++)) ;do 
    head -n 1 file |
     sed -r 's/ +/\n/g' |
      sed -nr "/^${outseq[$i]}$/="
  done ))
tr ' ' '\t' <<<"${outseq[@]}"
sed -nr '1!{s/ +/\t/gp}' file |
  cut -f $(tr ' ' ','<<<"${colnum[@]}") 

出力

id      age
1       50
2       70

読んでいるファイル がユーザー生成される可能性がない場合、readビルトインを悪用する可能性があります。

f=file.tsv
read $(head -n1 "$f") extra <<<`seq 100`
awk "{print \$$id, \$$age}" "$f"

入力ファイルの最初の行全体が引数リストに代入されるためread、ヘッダー行のすべてのフィールド名が変数名として渡されます。これらの最初の1が割り当てられますseq 100生成 2番目には2、3番目には3ます。過剰なseq出力は、ダミー変数によって吸収されますextra。事前に入力列の数がわかっている場合は、100を変更してに一致させて削除することができますextra。

awkこのスクリプトは、によって定義されたシェル変数できるように、二重引用符で囲まれた文字列であるreadとしてスクリプトに代入するawkフィールド番号を。

通常、ファイルヘッダーを見て、必要な列の数を数えて（c）Unixを使用する方が簡単ですcut：

cut -f c -d, file.csv

しかし、多くの列または多くのファイルがある場合、次のfollowingいトリックを使用します。

cut \
  -f $(head -1 file.csv | sed 's/,/\'$'\n/g' | grep -n 'column name' | cut -f1 -d,) \
  -d, \ 
  file.csv

OSXでテストされ、file.csvカンマ区切りです。

単一の列を選択する簡単な方法を次に示します。

「foo」という名前の列が必要だとします。

f=file.csv; colnum=`head -1 ${f} | sed 's/,/\n/g' | nl | grep 'foo$' | cut -f 1 `; cut -d, -f ${colnum} ${f}

基本的に、ヘッダー行を取得し、行ごとに1つの列名を持つ複数の行に分割し、行に番号を付け、目的の名前の行を選択し、関連する行番号を取得します。次に、その行番号をcutコマンドの列番号として使用します。

同様の解決策を探しています（idという名前の列が必要で、列番号が異なる場合があります）。

head -n 1 file.csv | awk -F',' ' {
      for(i=1;i < NF;i++) {
         if($i ~ /id/) { print i }
      }
} '

この目的のために、基本的に次のように機能するPythonスクリプトを作成しました。

with fileinput.input(args.file) as data:
    headers = data.readline().split()
    selectors = [any(string in header for string in args.fixed_strings) or
                 any(re.search(pat, header) for pat in args.python_regexp)
                 for header in headers]

    print(*itertools.compress(headers, selectors))
    for line in data:
        print(*itertools.compress(line.split(), selectors))

私はこれhgrepをヘッダーgrepのために呼び出しました。次のように使用できます。

$ hgrep data.txt -F foo bar -P ^baz$
$ hgrep -F foo bar -P ^baz$ -- data.txt
$ grep -v spam data.txt | hgrep -F foo bar -P ^baz$

argparseコマンドライン引数の解析に使用するため、スクリプト全体が少し長くなります。コードは次のとおりです。

#!/usr/bin/python3

import argparse
import fileinput
import itertools
import re
import sys
import textwrap


def underline(s):
    return '\033[4m{}\033[0m'.format(s)


parser = argparse.ArgumentParser(
    usage='%(prog)s [OPTIONS] {} [FILE]'.format(
        underline('column-specification')),
    description=
        'Print selected columns by specifying patterns to match the headers.',
    epilog=textwrap.dedent('''\
    examples:
      $ %(prog)s data.txt -F foo bar -P ^baz$
      $ %(prog)s -F foo bar -P ^baz$ -- data.txt
      $ grep -v spam data.txt | %(prog)s -F foo bar -P ^baz$
    '''),
    formatter_class=argparse.RawTextHelpFormatter,
)

parser.add_argument(
    '-d', '--debug', action='store_true', help='include debugging information')
parser.add_argument(
    'file', metavar='FILE', nargs='?', default='-',
    help="use %(metavar)s as input, default is '-' for standard input")
spec = parser.add_argument_group(
    'column specification', 'one of these or both must be provided:')
spec.add_argument(
    '-F', '--fixed-strings', metavar='STRING', nargs='*', default=[],
    help='show columns containing %(metavar)s in header\n\n')
spec.add_argument(
    '-P', '--python-regexp', metavar='PATTERN', nargs='*', default=[],
    help='show a column if its header matches any %(metavar)s')

args = parser.parse_args()

if args.debug:
    for k, v in sorted(vars(args).items()):
        print('{}: debug: {:>15}: {}'.format(parser.prog, k, v),
              file=sys.stderr)

if not args.fixed_strings and not args.python_regexp:
    parser.error('no column specifications given')


try:
    with fileinput.input(args.file) as data:
        headers = data.readline().split()
        selectors = [any(string in header for string in args.fixed_strings) or
                     any(re.search(pat, header) for pat in args.python_regexp)
                     for header in headers]

        print(*itertools.compress(headers, selectors))
        for line in data:
            print(*itertools.compress(line.split(), selectors))

except BrokenPipeError:
    sys.exit(1)
except KeyboardInterrupt:
    print()
    sys.exit(1)

awk、そのすべてのヴィンテージについて、本質的に整数インデックスが付けられていcutます。

名前がインデックス化されたデータを処理するように設計されたいくつかのツールを次に示します（そのほとんどは、非常に一般的なファイル形式であるCSVとTSVのみを処理します）。

• https://github.com/shenwei356/csvtk
• http://csvkit.readthedocs.io/en/540/
• https://github.com/BurntSushi/xsv
• https://github.com/johnkerl/miller
• https://github.com/eBay/tsv-utils-dlang

この小さなawkユーティリティを試して特定のヘッダーをカットしてください-https://github.com/rohitprajapati/toyeca-cutter

使用例-

awk -f toyeca-cutter.awk -v c="col1, col2, col3, col4" my_file.csv