Herramientas de línea de comando para la ciencia de datos en Linux
Ahora, hay buenas razones por las cuales los científicos de datos prefieren usar las herramientas mencionadas anteriormente, ya que las herramientas están bien equipadas para manejar multitudes de tareas relacionadas con datos. Sin embargo, estas no son las únicas herramientas fáciles de usar disponibles para ellos o para nosotros.
Las personas que son usuarios habituales de Linux saben cuán poderoso es el terminal de comando de Linux. Los usuarios pueden realizar prácticamente cualquier cosa relacionada con sus sistemas utilizando el terminal de comandos. Aunque Linux proporciona a sus usuarios una GUI atractiva, el terminal de comando es más divertido e interactivo.
Sin embargo, solo unas pocas personas realmente saben cómo usar la terminal para realizar tareas regulares de ciencia de datos. Además, si está interesado en descubrir cómo usar el terminal como herramienta para la ciencia de datos, está en el lugar correcto, ya que revisaremos algunos de los comandos que puede usar para hacer exactamente eso.
$ WC
El primer comando que explicaremos es $ WC y se usa para averiguar el recuento de palabras, el recuento de caracteres, los recuentos de línea y los recuentos de bytes de un archivo en particular. Este comando puede ser importante, ya que puede ver qué tan grande es el archivo que va a verificar. Hay diferentes resultados con diferentes operadores utilizados con $ WC. La salida predeterminada nos da el recuento de líneas, el recuento de palabras y el recuento de caracteres de izquierda a derecha respectivamente. La sintaxis para este comando es:
$ WC
$ wget
Otro comando importante que los científicos de datos pueden usar regularmente es el comando $ wget. Este comando descarga archivos de ubicaciones remotas. En el caso del conjunto de datos, desea revisar las necesidades, puede usar el comando $ wget para recuperarlo directamente a su computadora sin problemas. La sintaxis para $ wget es:
$ wget
Comandos de $ head y $ cola.
Considere el escenario en el que ha descargado un conjunto de datos que consta de numerosos archivos. Ahora, está buscando un archivo específico con contenido específico de su interés. Puede usar los comandos $ Head y $ Tail para conocer el contenido de los archivos.
El comando $ head imprime las primeras líneas del archivo como salida. La salida predeterminada es de 10 líneas y puede elegir ver tantas líneas como desee.
El comando $ cola le brinda las líneas al final del archivo como salida. También tiene una salida predeterminada de 10 líneas. La sintaxis para ambos comandos es la siguiente:
$ head -n
$ cola -n
$ Find
El siguiente comando que vamos a echar un vistazo es el comando $ Find. Ahora sabe que el conjunto de datos con los que los científicos tienen que lidiar suelen ser muy grande. Consiste en miles de archivos y en caso de que quieran buscar un archivo específico, puede convertirse en un dolor de cabeza. Sin embargo, el terminal de Linux ha proporcionado a sus usuarios el comando $ find. Si una persona sabe el nombre del archivo que está buscando, solo use el comando $ encontrar para encontrarlo instantáneamente.
$ Find-nombre <'filename'> - tipo
$ gato
El comando $ CAT tiene varios usos en el mundo de la ciencia de datos. El uso más básico del comando $ CAT es que genera todo el contenido de un archivo en particular.
$ CAT significa "concatenato" y se puede usar para combinar dos o múltiples archivos para formar un solo archivo.
La sintaxis para obtener el contenido de un archivo es el siguiente:
$ gato
Otros usos del comando $ CAT incluyen numerar las líneas presentes en el archivo, agregar texto a archivos, crear archivos nuevos y etc.
$ corte
El comando $ corte se usa para eliminar secciones de contenido en un archivo en particular. También puede copiar esas secciones y pegarlas en otro archivo. Debería resultar útil cuando desee extraer algunas líneas de información útil de un archivo en particular.
$ corte -
asombrar
Antes de esto, analizamos los comandos de Linux que pueden resultar útiles para los científicos de datos. AWK, por otro lado, es un lenguaje de programación completo que básicamente se ocupa de el texto de procesamiento presente en archivos o en general. Esta es una herramienta poderosa que se puede convocar en la terminal con comandos cortos. Hay una variedad de tareas que se pueden realizar usando AWK y se recomienda que aprenda a usar AWK en el terminal de Linux.
Grep
GREP es otra herramienta de procesamiento de texto que es algo similar a AWK, pero también puede realizar otras tareas con un alboroto mínimo y sintaxis fácil de implementar. Es otra herramienta que puede aprender rápidamente y usar para su ventaja para realizar tareas textuales relacionadas con los datos.
Conclusión
En este artículo, analizamos las diferentes herramientas y comandos disponibles en el terminal de Linux que pueden ayudar a realizar tareas de ciencia de datos. Como puede ver, hay varias formas en que el terminal de Linux puede resultar útil, particularmente en la gestión y manejo de datos.