抓緊你的鍵盤!無需鼠標或者GUI，我們完全能夠在OS X與Linux上完成大量操作。面向各類*N*X系統的大量出色命令行工具一直在技術行業擁有極高人氣，且已經擴展至Python、Go、NodeJS乃至各類混合型工具當中。即使大家并不打算通過命令行運行整條數據處理管道，這些工具仍然能夠帶來可觀助益。

《命令行上的數據科學(Data Science at the Command Line)》一書與GitHub皆為我們帶來大量高水平的預處理與后處理類工具選項，大家亦可根據需要對其進行針對性調整。在今天的文章中，我將向各位強烈推薦自己最為喜愛的那些相關工具。

CSVKit絕對值得一試。其能夠利用逗號分隔值實現您所需要的一切。大家可以通過cvs cut剪切列、使用cvsgrip進行列過濾、通過sql2csv將PostgreSQL中的數據提取至CSV、使用cols從列中剪切子集并通過in2cv將微軟Excel轉換為CSV。

快速工具推薦清單

Python Data Analysis (Agate).

ImageMagick (edit, create, convert, flip, and alter images from the command-line).

JSON 2 CSV.

XML2JSON via NodeJS.

HTML to image.

HTML to PDF.

Weather Underground CLI.

NIFI Shell.

Gatling for Testing with Scala/JVM.

Kafka Producer with JSON.

Kafka Consumer with JSON.

Create JSON.

Image MetaData Extraction.

OSQuery for Querying Infrastructure.

Tesseract for Command Line OCR.

Hadoop/HDFS Command Line Tools.

CURL.

WGET.

MQTT CLI (NPM.JS).

大家亦可以編寫簡短的Python腳本以通過命令行實現數據處理。

from nltk.sentiment.vader 

import SentimentIntensityAnalyzer 

import sys 

sid = SentimentIntensityAnalyzer() 

ss = sid.polarity_scores(sys.argv[1]) 

print('Compound {0} Negative {1} Neutral {2} Positive {3} '.format(ss['compound'], ss['neg'], ss['neu'], ss['pos'])) 

只需要五行Python腳本即可實現情緒分析。

大家甚至可以通過命令行實現TensorFlow調試(不過其目前尚處于beta測試階段，所以可能會出現一些問題)。

原文標題：Big Data, Machine Learning, and Deep Learning Command Line Tools

原文作者：Tim Spann