如何根据指定的行数拆分 CSV 文件？

Question

我在 LINUX 服务器上存储了 CSV 文件（大约 10,000 行；每行有 300 列）。 我想把这个 CSV 文件分成 500 个 CSV 文件，每个文件有 20 条记录。 （每个都具有与原始 CSV 相同的 CSV 标头）

是否有任何 linux 命令可以帮助进行这种转换？

Answer 1

这个问题是多年前提出的，但对于未来的读者，我想提一下，最方便的工具是xsv from https://github.com/BurntSushi/xsv

split 子命令旨在完全按照原始问题中的要求进行操作。文档说：

split - Split one CSV file into many CSV files of N chunks

每个拆分块都保留标题行。

Answer 2

在每个拆分文件中保留标题行的单行。此示例为您提供 999 行数据和每个文件一个标题行。

cat bigFile.csv | parallel --header : --pipe -N999 'cat >file_{#}.csv'

https://stackoverflow.com/a/53062251/401226 其中的答案是关于安装正确版本的并行程序的 cmets（在 ubuntu 中使用特定的并行程序包，它比 moreutils 中捆绑的更新）

Answer 3

把它变成一个函数。您现在可以拨打splitCsv <Filename> [chunkSize]

splitCsv() {
    HEADER=$(head -1 $1)
    if [ -n "$2" ]; then
        CHUNK=$2
    else 
        CHUNK=1000
    fi
    tail -n +2 $1 | split -l $CHUNK - $1_split_
    for i in $1_split_*; do
        sed -i -e "1i$HEADER" "$i"
    done
}

发现于：http://edmondscommerce.github.io/linux/linux-split-file-eg-csv-and-keep-header-row.html

Answer 4

这应该工作!!!

file_name = 要拆分的文件的名称。
10000 = 每个拆分文件将包含的行数
file_part_ = 拆分文件名的前缀（file_part_0、file_part_1、file_part_2..etc 继续）

split -d -l 10000 file_name.csv file_part_

Answer 5

使用 Linux 拆分命令：

split -l 20 file.txt new    

将文件“file.txt”拆分为以“new”开头的文件，每个文件包含 20 行文本。

在 Unix 提示符下键入 man split 以获取更多信息。但是，您必须首先从 file.txt 中删除标头（例如，使用 tail 命令），然后将其重新添加到每个拆分文件中。

Answer 6

这应该会为您完成 - 您的所有文件最终都会被称为 Part1-Part500。

#!/bin/bash
FILENAME=10000.csv
HDR=$(head -1 $FILENAME)   # Pick up CSV header line to apply to each file
split -l 20 $FILENAME xyz  # Split the file into chunks of 20 lines each
n=1
for f in xyz*              # Go through all newly created chunks
do
   echo $HDR > Part${n}    # Write out header to new file called "Part(n)"
   cat $f >> Part${n}      # Add in the 20 lines from the "split" command
   rm $f                   # Remove temporary file
   ((n++))                 # Increment name of output part
done