Teniendo en cuenta que el .csv
está bien formateado con las columnas correspondientes:
Mapeamos las siguientes columnas para saber a cual corresponden:
name
-> Columna 1
id
-> Columna 2
nametype
-> Columna 3
recclass
-> Columna 4
mass (g)
-> Columna 5
fall
-> Columna 6
year
-> Columna 7
reclat
-> Columna 8
reclong
-> Columna 9
GeoLocation
-> Columna 10
Utilizaré un bucle para esto (no veo que lo hayas colocado como una restricción). Dentro del script:
#!/bin/bash
# Usaremos una expresión regular para extraer los dos campos que necesitas de GeoLocation
# Puedes adaptar la regex según como necesites
# Extraemos dos subgrupos, el primero para "lat" y el segundo para "lon"
regex='"\((.*); (.*)\)"'
# Recorremos el fichero, para eso utilizaremos como `internal field separator` la coma
# y colocaremos nombre a cada una de las columnas del fichero:
file='df_one.csv'
# Colocamos un contador:
n=1
# Mientras leemos el fichero, utilizando como separador la coma y asignando a una variable cada columna:
while IFS=, read -r name id nametype recclass mass fall year reclat reclong GeoLocation || [ "$line" ]
do
# En caso de que sea la primera línea, imprimimos la cabecera:
if [[ "$n" -eq 1 ]]; then
echo "$name,$mass,$year,$reclat,$reclong,lat,lon"
n=$((n+1))
continue
fi
# Utilizamos la expresión regular:
if [[ $GeoLocation =~ $regex ]]; then
# Capturamos subgrupos para dividir lat y lon de GeoLocation:
lat="${BASH_REMATCH[1]}"
lon="${BASH_REMATCH[2]}"
fi
echo "$name,$mass,$year,$reclat,$reclong,$lat,$lon"
done < $file
Si ejecutamos el script:
$ -> bash process.sh
name,mass (g),year,reclat,reclong,lat,lon
Aachen,21,01/01/1880 12:00:00 AM,50.775000,6.083330,50.775000,6.083330
Aarhus,720,01/01/1951 12:00:00 AM,56.183330,10.233330,56.18333,10.233330