3

Estoy tratando de obtener información sobre las columnas del dataset de kaggle, titanic.csv.

Las columnas son las siguientes:

"name","gender","age","class","embarked","country","ticketno","fare","sibsp","parch","survived"

Los valores de los datos esperados serían:

 $ name    : chr  
 $ gender  : chr  
 $ age     : num  
 $ class   : chr  
 $ embarked: chr  
 $ country : chr  
 $ ticketno: int  
 $ fare    : num  
 $ sibsp   : int  
 $ parch   : int  
 $ survived: chr  

Cómo se podrían obtener los valores mediante scripting en Linux?

En bash, podría obtenerlo mediante type? Veo que con awk se puede hacer también mediante typeof(). En ambos casos desconozco cómo obtener el tipo de todas las columnas.

Gracias.

1 respuesta 1

2

A simple vista, se me ocurren varias ideas:

  1. Utilizar awk
  2. Utilizar una regex

1. Awk

Puedes usar:

$ awk -F, 'NR==1;NR==2{print typeof($1)","typeof($2)","typeof($3)}' archivo

Donde $1, $2 y $3, son las tres columnas, y NR==2 es el segundo record del csv. Todo lo puedes modificar a tu gusto.

2. Regex

La otra es usando sed.

Aquí se me ocurre una manera muy rebuscada, que al escribirla es facil pero al leerla no:

sed -rn '1p;2s/([^,][[:alpha:]]+[^,])+/(char)/g;2s/([^,][[:digit:]]+[^,])+/(num)/gp'

Que poniéndolo en práctica queda algo así:

$ sed -rn '1p;2s/([^,][[:alpha:]]+[^,])+/(char)/g;2s/([^,][[:digit:]]+[^,])+/(num)/gp' << __eof
campo1,campo2,campo3,campo4
cad1,123,cad2,321
__eof
campo1,campo2,campo3,campo4
(char),(num),(char),(num)

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.