使用 Miller 按列拆分巨大的 CSV

Question

我需要每天拆分每个包含 50K+ 列的巨大 (>1 Gb) CSV 文件。

我发现 Miller 是完成此类任务的有趣且高效的工具。

但我仍然停留在 Miller 的文档上。

如何将一个 CSV 拆分为 N 个更小的 CSV 文件，其中 N 是源文件中的行数？

Answer 1

试试这个脚本

mlr --csv put -S 'if (NR % 10000 == 0) {$rule=NR} else {$rule = ""}' \
then fill-down -f rule \
then put -S 'if ($rule=="") {$rule="0"}' \
then put -q 'tee > $rule.".csv", $*' input.csv

在新文件夹中复制您的 CSV，然后运行将此脚本放在上面。它将为每 10000 行生成一个 csv 文件。

Answer 2

aborruso 的回答确实在输出 csv 文件中添加了一个新列 rule。如果您想避免这种情况，请在最后一步中使用 emit 和 mapexcept 而不是 tee，如下所示：

mlr --csv put -S 'if (NR % 10000 == 0) {$rule=NR} else {$rule = ""}' \
then fill-down -f rule \
then put -S 'if ($rule=="") {$rule="0"}' \
then put -q 'emit > $rule.".csv", mapexcept($*, "rule")' input.csv

使用 Miller 按列拆分巨大的 CSV

Split huge CSV by columns with Miller

csv

miller