統計和數據處理都離不開csv文件，一般來說，操作csv都是依賴第三方軟件，如Excel、Matlab這樣的；也可以自己編程，用Python、Perl等等，直接操作文件比較麻煩。
但對簡單的處理，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，csvkit就有用武之地。
開始
安裝csvkit
安裝csvkit很簡單：
pip3 install csvkit
我的系統是Python3.6，所以用pip3來安裝，如果還在用Python2.7，就用pip install csvkit來進行安裝。
為了方便后面的測試和解釋，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，誰愿意為了僅僅看兩行數據而等待Excel漫長的啟動界面呢？所以首先要將它轉換為csv文件，轉換也不用打開Excel，一條命令：
in2csv ne_1033_data.xlsx > data.csv
>是shell的重定向符，如果不重定向，in2csv會將轉換之后的內容輸出到控制臺顯示，現在我希望能保存為csv文件便于后續的操作，所以就將內容輸出定向到data.csv文件中。
接下來看看data.csv的內容吧：
cat data.csv
csv文件內容有了，如果用cat的方式來看，既不方便也不美觀，接下來我們用另一個工具查看
csvlook：數據潛望鏡
這個文件有多少行呢，用cat data.csv | wc -l看了一下，有1037行，所以一屏肯定是看不完的，需要分頁查看，而分頁功能在類Unix系統上有現成的less可用。
csvlook data.csv | less -S
這樣的顯示就好多了，還可以方向鍵滾動查看，q退出，/搜索，等一系列less專用操作。
csvcut：數據手術刀
既然名字中帶了一個cut，聰明的你肯定猜到了它的用途，不過放心，所有的操作都不會修改輸入（原始文件），只會影響輸出。
先看看這個數據有哪些列
csvcut -n data.csv
可以看到，總共有14列，在輸出信息中，前面的數字是數字索引位置，默認是從1開始計數，后面的是列名稱，我想只看感興趣的幾列數據(在這里我為了演示，只顯示4行數據，所以加了head進行輸出行數限定)：
csvcut -c 2,5,6 data.csv | head -n 5
可以看到既可以用數字作為索引，也可以用列名稱作為索引，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？答案是肯定的，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，如果不關心中間結果，甚至可以從頭到尾都用管道進行連接，例如上面的命令改成如下方式，也是一樣的結果
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。
數據分析
csvstat：無代碼亦統計
使用csvlook和csvcut查看數據的切片只是探索數據的開始，在實踐中，通常還需要一些計算和統計，csvstat的設計靈感來自編程語言 “R”的summary()統計，它可以統計匯總一個CSV文件中的數據列。
csvcut -c county,acquisition_cost,ship_date data.csv | csvstat
不知道你有沒有統計學基礎？如果有的話，應該一目了然，唯一值、最小值、最大值、總計、均值、中位值、標準差……，大部分情況下夠用了:)
csvgrep：找到需要的數據
僅僅按照列的方式過濾還是比較弱，還需要按照內容進行過濾，這時csvgrep就派上用場，例如，我們只想看蘭開斯特的數據。
csvcut -c county,item_name,total_cost data.csv | csvgrep -c county -m LANCASTER | csvlook
csvgrep還支持正則表達式，關于正則表達式的討論有點超出本篇范圍，有興趣可以查看系統工具grep的手冊。
csvsort：秩序
前面顯示出來的內容都很少，實際中往往都有成千上萬行，所以排序功能很重要，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：關聯數據
在上面的數據中，有各個地區的武器裝備信息，接下來想了解一個問題——裝備有武器的地區中，哪里的人口最少？
原來的數據表不包含人口數量，所以下載一個包含人口信息的數據：
curl -L -O https://raw.githubusercontent.com/wireservice/csvkit/master/examples/realdata/acs2012_5yr_population.csv
兩個數據表都包含fips字段，我們可以用這個字段來連接兩個數據：
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：合并數據
數據經常會分散在不同地方，這時希望將一堆的csv文件合并成一個數據文件，csvstack可以幫助達成這個目標，一般來說csvstack需要同列同名的數據才可以合并。但是你知道，有時候即使兩個csv文件有稍微的不同，也可以通過csvcut的列選擇來獲得同列同名的數據表。
# 獲得堪薩斯州的測試數據
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
# 查看部分列的統計信息
csvstat -c state,acquisition_cost region.csv
csvsql, sql2csv：必殺技
有時，僅僅命令行是不夠的，需要用SQL來進行數據的操作，csvsql和sql2csv就提供了數據庫和csv之間的橋梁。
例如，我想將現在的csv文件轉為數據庫表
csvsql -i sqlite joined.csv
當然，我們可以一步到位，直接創建一個本地數據庫：
csvsql --db sqlite:///leso.db --insert joined.csv
接下來，就可以利用數據庫軟件對這個數據庫進行常規的SQL查詢，當然也可以用CSVKIT提供的小工具sql2csv來進行查詢。
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，何不直接在csv上執行SQL查詢呢？
csvsql --query "select county,item_name,quantity from joined where quantity == 5;" joined.csv 2>/dev/null | csvlook
總結
由于我經常做數據處理的計算，所以磁盤上總是有大量的csv文件，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，有了這套工具確實方便了很多。此外，它對中文的處理也還行，文件設置為UTF-8編碼就好。
