如何从CSV文件中提取其名称中包含“慢性”一词的列

Question

我有一个大的csv文件(大约1000列)，我想提取到一个新的文件中只有列，其中包含“慢性”的标题名称。我怎么能这么做？

例如，如果我有：

gender,chronic_disease1,chronic_disease2
male,2008,2009

期望的输出是：

chronic_disease1,chronic_disease2
2008,2009

注意:列/字段分隔符为逗号"，“。如果没有chronic匹配，那么就根本没有输出。

Answer 1

使用米勒 (可从Ubuntu“宇宙”存储库获得)，其cut谓词可以选择使用正则表达式匹配字段名：

mlr --csv cut -r -f 'chronic' file.csv

(匹配字段名中任何位置的子字符串chronic )，或者更具体地说

mlr --csv cut -r -f '^chronic_' file.csv

(将子字符串锚定到名称的开头，并添加尾随下划线)或

mlr --csv cut -r -f '"^chronic_"i' file.csv

使后一种情况不敏感。

要反转匹配，即选择所有不匹配的^chronic_列，添加-x：

mlr --csv cut -x -r -f '"^chronic_"i' file.csv

注意:如果您的输入文件不包含更高级的CSV功能，例如rfc-4180风格的双引用，您可能可以使用更高效的--csvlite引擎。请参阅文件格式-CSV/TSV/ASV/USV/等。

如果没有包含字符串chronic的字段名，并且不希望输出，而不是空记录，则通过Miller的skip-trivial-records子命令传递提取的数据。

mlr --csv cut -r -f 'chronic' then skip-trivial-records file.csv