bash - Bash：我有 2 个 .csv 格式的国家级数据集，想过滤它们以查找常见元素并绘制结果

Question

我从维基百科获取了两个关于一个国家的数据集，将它们粘贴到 LibreOffice calc 中并将它们保存为 .csv 文件。例如：

第一个 .csv 文件：

"Algeria", 76
"Angola", 100
...
"United Arab Emirates", 27

第二个 .csv 文件：

"Algeria", .67
"Argentina", .45
...
"Zimbabwe", .57

我想过滤两个 .csv 文件中具有数据点的国家/地区的列表（假设没有重复或替代拼写），匹配两个数据点（例如，阿尔及利亚的 76、.67）并输出一些基本的散点图，以获得快速的视觉想法他们的关系。

我尝试了很多不同的方法来解析文件，其中一些几乎可以工作，但由于对 awk、grep、bash 管道、gnuplot 等了解不够，我一直被绊倒。

我确信在 Python 或 Perl 或类似的语言中会更容易/更好地完成，我最终在 LibreOffice Calc 中使用了“查找”功能，但开始我想知道如何在 bash 中完成它。理想情况下，数据收集将通过解析 html 实现自动化，但有时您会在 pdf 表格等中获得这些数据集。

任何类型的指针都表示赞赏。谢谢。

Answer 1

我猜想，我制作了一个快速而肮脏的 perl 单行脚本，应该根据需要输出。我只花三五分钟。

$ perl -e 'while(<>){my @dt = split(/,/);chomp $dt[1]; my $tmp=`fgrep $dt[0] two.csv`; my @rs = split(/,/,$tmp);chomp $rs[1]; print $dt[0],$dt[1],$rs[1],"\n" }' one.csv 

输出 ：

"Algeria" 76 .67
"Angola" 100
"United Arab Emirates" 27

我不处理错误，因此如果一个国家/地区不存在于 second.csv 文件中，它们将仅显示此信息，并且如果一个国家/地区仅存在于 second.csv 中，我也不会得到此信息。

有了这个输出，你应该能够使用 gnuplot 来做你想做的事。或者您可以在 Excel 或 OpenOffice Calc 上打开此文件。

我希望这会有所帮助。