1

Estoy terminando de realizar un ejercicio, y necesito saber de que tipo es cada columna de un CSV (Entero, decimal, fecha ... ) a través de bash.

Esta es la parte que muestra el tipo de datos, pero no funciona correctamente. Ademas solo muestra si es char o number. ¿Habría alguna otra forma de simplificarlo?

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

Cuando lo ejecuto me devuelve lo siguiente, se ve que no lo hace realmente bien (Añade ceros, y paréntesis donde no debe):

,price,brand,model,year,title_status,mileage,color,vin,lot,state,country,condition
0,(num),(char),(char),(num),(char),(num)0,(char), (char(num),(num),(char),(char),(num)char)

Y la salida que espero debería de ser algo así:

Datos de prueba:

Columna1, Columna2, Columna3
prueba, 123, 123.89

Salida:

Columna1, Columna2, Columna3
texto, numerico, decimal
3
  • He añadido como salida: Texto, numerico ... y en el código que tengo la salida es: (char) y (num). Se puede mostrar la salida con el nombre que se prefiera, pero que indique que tipo de dato es cada columna Commented el 9 dic. 2021 a las 15:44
  • De entrada, esa función que pegaste es exactamente a una que hice yo en otro post, y por eso sé que tu entrada de datos esta mal, además que le exiges demasiado a esa regex. En mi respuesta me parece que hay otra que usa awk. Esa te puede ayudar.
    – Cuauhtli
    Commented el 11 dic. 2021 a las 8:23
  • ¿Responde esto a tu pregunta? scrpiting - mostrar el tipo de dato de cada columna
    – Cuauhtli
    Commented el 11 dic. 2021 a las 8:24

1 respuesta 1

2

A pesar de lo que te puse en los comentarios, podrías utilizar este regex para sed:

1p;2s/([0-9]*[a-zA-Z]+[0-9]*)+/(string)/g;2s/([[:digit:]]+\.[[:digit:]]+)/(decimal)/g;2s/([[:digit:]]+)/(int)/g;2s/[[:blank:]]//gp

Vamos a separarla un poco para que no se vea tan pegada y críptica:

$ sed -rn '1p
2s/([0-9]*[a-zA-Z]+[0-9]*)+/(string)/g
2s/([[:digit:]]+\.[[:digit:]]+)/(decimal)/g
2s/([[:digit:]]+)/(int)/g
2s/[[:blank:]]//gp' archivo.txt

Donde supongo que el archivo archivo.txt tiene este tipo de contenido:

Columna1, Columna2, Columna3, col4, col5, col6,col7
row1, 123, 123.89,r,2.3, 0, n1um
row2, 456, 321.89,s,0.1, 1, n2um

Y la salida da algo como:

Columna1,Columna2,Columna3,col4,col5,col6,col7
(string),(int),(decimal),(string),(decimal),(int),(string)

En resumen, lo primero que hacemos con el comando es imprimir el primer renglón. Luego voy buscando patrones en el segundo renglón (que según a mi entender y sin comprobar) dónde se muestre que cada valor sea de una cadena, decimal, o entero.

Al final, tan sólo remuevo espacios en blanco de nuestro resultado que no son necesarios para checar el tipo; sólo para la presentación del resultado.

Claramente esta es una forma débil de aproximarse, ya que no tomamos en cuenta los separadores o los caracteres que definen un texto, como las comillas simples o dobles. Pero mientras sirva, puedes tomarla.

Quizás te podría ser de más ayuda mi respuesta con awk: scrpiting - mostrar el tipo de dato de cada columna

0

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.