Bash 如何获取具有特定列值的csv文件的前n行？

在Kaggle中，我得到了如下csv文件：

ip,app,device,os,channel,click_time,attributed_time,is_attributed
83230,3,1,13,379,2017-11-06 14:32:21,,0
17357,3,1,19,379,2017-11-06 14:33:34,,1
35810,3,1,13,379,2017-11-06 14:34:12,,0
45745,14,1,13,478,2017-11-06 14:34:52,,0
161007,3,1,13,379,2017-11-06 14:35:08,,1
18787,3,1,16,379,2017-11-06 14:36:26,,0
103022,3,1,23,379,2017-11-06 14:37:44,,0
114221,3,1,19,379,2017-11-06 14:37:59,,0

---

现在，我想获取“is_attributed”为1的前200行。请告诉我如何使用“cut”和其他实用程序实现这一点？

当列不变时，您可以使用简单的regexp匹配：

grep -E  '(^ip,|,1$)' »file.csv« | head -n 201

---

要获得符合条件的所有行，通过

grep，1$| head-n 200

和

awk

可以一次完成筛选和行限制：

awk -F, -v limit=200 '$NF == 1 { if (++n > limit) exit; print }' file.csv

• -F，

  -分隔符是逗号

• -v limit=200

  -初始化要在awk命令中使用的变量

• $NF==1

  -仅当最后一个字段的值为1时才执行操作

• 如果（++n>限制）退出

  -在收集到所需行数后立即停止读取输入

在上述解决方案中，我们隐式跳过了标题行，因为标题不是以1结尾的。为了更加稳健，我们可以将其明确化：

awk -F, -v limit=200 'NR  == 1 { next }
                      $NF == 1 { if (++n > limit) exit; print }' file.csv

---

---

这是一个比grep更好的解决方案head-n原因如下：

• 此处不涉及管道（和额外的分叉）
• 我们一到限线就停下来；如果输入文件非常大（grep-m也可以这样做），那么这会产生巨大的差异
• 很容易将此解决方案扩展到任意字段，而不仅仅是第一个或最后一个字段
• 如果分隔符是多字符分隔符或需要由正则表达式匹配，那么awk可以非常轻松地处理它

---

相关职位：

• Unix与Linux堆栈交换

---

使用GNU grep，您可以执行

grep-m201-E'（^ip，|，1$）”

提问时，请添加您自己尝试解决的问题。

grep…|head-n

在达到管线限制时也会停止，因为head会关闭管道，因此在达到限制时会向grep返回终止信号（请参阅）。