csvstat
Il comando csvstat restituisce delle statistiche di base, per ogni campo:
column_id, il numero della colonna (1, se è la prima e a seguire);column_name, il nome;type, il tipo di campo (è un valore dedotto, non letto, quindi ci potrebbe essere qualche errore);nulls, se il campo contiene valori nulli (è un booleano, conTrueeFalse);unique, il numero di valori univoci;min, il valore minimo (se numerico);max, il valore massimo (se numerico);sum, la somma (se numerico);mean, la media (se numerico);median, la mediana (se numerico);stdev, la deviazione standard (se numerico);len, la lunghezza (se è un campo di testo).freq, la lista dei valori più frequenti.
Ad esempio applicato a questo file
csvstat --csv --everything colored-shapes.csv
È stata aggiunta l'opzione --csv, per forzare l'output del comando in formato CSV.
restituisce
| column_id | column_name | type | nulls | unique | min | max | sum | mean | median | stdev | len | freq |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | color | Text | False | 6 | 6 | red, blue, yellow, purple, green | ||||||
| 2 | shape | Text | False | 3 | 8 | square, triangle, circle | ||||||
| 3 | flag | Boolean | False | 2 | False, True | |||||||
| 4 | i | Number | False | 10056 | 56 | 499,974 | 2,526,603,201 | 250,704.822 | 251,091 | 144,935.141 | 18685, 26495, 36075, 49190, 68145 | |
| 5 | u | Number | False | 10027 | 0 | 1 | 5,022.133 | 0.498 | 0.498 | 0.29 | 0.854026, 0.546961, 0.017264, 0.171977, 0.170643 | |
| 6 | v | Number | False | 10026 | -0.093 | 1.072 | 5,016.697 | 0.498 | 0.497 | 0.289 | 0.971983, 0.090678, 0.221560, 0.004933, 0.464153 | |
| 7 | w | Number | False | 9434 | 0.043 | 0.901 | 5,034.491 | 0.5 | 0.5 | 0.034 | 0.506155, 0.521158, 0.499156, 0.494010, 0.520913 | |
| 8 | x | Number | False | 10071 | 1.113 | 8.921 | 50,464.129 | 5.007 | 4.997 | 1.166 | 5.458618, 4.011646, 5.332571, 4.315572, 5.178077 |
Nota
Se avesse pure il conteggio dei valori nulli, sarebbe perfetto.