linux - 根据 bash 中的第一列将一个大的 CSV 文件分成较小的文件

Question

我有几个包含如下信息的大型 CSV 文件(每个大约 20 MiB)。我想找到一种方法，根据第一列中的日期将此文件分成较小的文件。例如:下面的片段会被分成2个文件，分别是20130719.csv和20130720.csv。

我还想根据第 4 列(颜色标签)进行排序(在每个较小的文件中)。有没有人对我如何做到这一点有任何建议？

在处理这些类型的东西时，我应该学习哪些东西？

19/07/2013  19:14:24:523    6.35099E+17 Dr_Blue 10.42496014 27.17010689 0.685520172
19/07/2013  19:18:5:903 6.35099E+17 Dr_Yellow   11.09363079 28.57788467 2.010284424
19/07/2013  19:36:33:645    6.35099E+17 Dr_Blue 10.77513885 28.3723774  1.897870064
19/07/2013  21:29:36:762    6.35099E+17 Dr_Yellow   10.64018059 28.56962967 1.117245913
19/07/2013  21:29:37:627    6.35099E+17 Dr_Yellow   11.3354435  27.57170868 1.552354813
20/07/2013  2:34:28:2   6.35099E+17 Dr_Yellow   10.41067123 26.84050369 0.919301987
20/07/2013  2:34:28:840 6.35099E+17 Dr_Yellow   10.54369164 27.17712402 0.573934555
20/07/2013  2:34:33:192 6.35099E+17 Dr_Yellow   10.98471832 28.35677719 1.497600555
20/07/2013  4:20:28:246 6.35099E+17 Dr_Blue 10.92816448 28.55761147 2.187088013

Answer 1

这是一个简化的 shell 版本

IFS="$IFS/"
while read DAY MO YR A B C D E F || [ "$DAY" ]; do
  echo "$A $B $C $D $E $F" >> "$YR$MO$DAY.ssv"
done <infile

for x in *.ssv; do
  sort -k4 $x |tr " " "," > ${x%.ssv}.csv
  rm $x
done

对于动态排序，awk 可能是更好的选择，具体取决于行的排序方式