Solutions for 02_data_editing_and_analysis

module1/02_data_editing_and_analysis/3_bash_solutions.md

@@ -0,0 +1,116 @@
+# Задания на обработку данных в bash
+
+## 1
+Вызовите `"for f in `seq 20`; do echo $RANDOM >> rnds; done"` и отсортируйте данные `rnds`, в алфавитном порядке, по возрастанию чисел.
+```
+sort rnds
+sort -n rnds
+```
+
+## 2
+Сохраните эти первые 10 записей датасета titanic в файл `titanic.csv` для последующих заданий:
+```
+PassengerId,Survived,Pclass,Name,Sex,Age,SibSp,Parch,Ticket,Fare,Cabin,Embarked
+1,0,3,"Braund, Mr. Owen Harris",male,22,1,0,A/5 21171,7.25,,S
+2,1,1,"Cumings, Mrs. John Bradley (Florence Briggs Thayer)",female,38,1,0,PC 17599,71.2833,C85,C
+3,1,3,"Heikkinen, Miss. Laina",female,26,0,0,STON/O2. 3101282,7.925,,S
+4,1,1,"Futrelle, Mrs. Jacques Heath (Lily May Peel)",female,35,1,0,113803,53.1,C123,S
+5,0,3,"Allen, Mr. William Henry",male,35,0,0,373450,8.05,,S
+6,0,3,"Moran, Mr. James",male,,0,0,330877,8.4583,,Q
+7,0,1,"McCarthy, Mr. Timothy J",male,54,0,0,17463,51.8625,E46,S
+8,0,3,"Palsson, Master. Gosta Leonard",male,2,3,1,349909,21.075,,S
+9,1,3,"Johnson, Mrs. Oscar W (Elisabeth Vilhelmina Berg)",female,27,0,2,347742,11.1333,,S
+10,1,2,"Nasser, Mrs. Nicholas (Adele Achem)",female,14,1,0,237736,30.0708,,C
+```
+
+## 3
+Выведите первую колонку, используя `awk`. 
+```
+awk -F, '{print $1}' file.csv
+```
+
+## 4
+Выведите содержимое файла без заголовка.
+```
+tail -n +2 file.csv
+```
+
+## 5
+Выведите первую и третью колонку файла, используя `awk`.
+```
+awk -F, '{print $1 "," $3}' file.csv
+```
+
+## 6
+Выведите только те строки, которые содержат строку `male` или `female`:
+```
+grep "female" file.csv
+```
+
+## 7
+Отсортируйте значения `titanic.csv` по значению `Ticket` (9 колонка):
+```
+sort -t, -k2 file.csv
+```
+
+## 8
+Уберите дублирующиеся строки на основании третьей колонки, используя `awk`.
+```
+awk -F, '!seen[$1]++' file.csv
+```
+
+## 9 
+Посчитайте сумму колонки `Fare`, используя `awk`.
+```
+awk -F, '{sum+=$3} END {print sum}' file.csv
+```
+
+## 10
+Сконвертируйте файл из csv в json формат, используя `jq`.
+```
+jq -R -r 'split(",") | {name:.[0],age:.[1]}' file.csv
+```
+
+## 11
+Используя `awk` сконвертируйте строки со значениями из колонок `PassengerId`, `Survived`, `Pclass` файла в набор `SQL INSERT` утверждений, которые можно использовать для импорта в SQL базу данных. Используйте `awk`.
+```
+awk -F, '{printf "INSERT INTO table VALUES (\"%s\", \"%s\", \"%s\");\n", $1, $2, $3}' file.csv
+```
+
+## 12
+Конвейеры Unix позволяли организовывать сложные преобразования данных ещё до фреймворков обработки больших данных и сейчас иногда могут быть даже быстрее [Adam D. Command-line Tools can be 235x Faster than your Hadoop Cluster].
+
+Найдите гистограмму слов по методу mapreduce с помощью утилит и операторов конвейера. Гистограмма должна быть отсортирована по частоте встречи слова в тексте.
+
+MapReduce выполняет следующие действия в первой фазе: разбивает содержимое файла на слова, сортирует их, каждому слову сопоставляет 1. Во второй фазе складывает единицы каждого слова, что даёт конечный результат. Используйте любой набор утилит и конструкций bash. Одно из решений задействует: `uniq`, `sort`, `cat`, `sed`.
+```
+cat /var/log/dpkg.log | sed 's/ /\n/g' | sort -k1 | uniq -c | sort -k1 -n
+```
+
+## 13
+Повысьте права до пользователя root с помощью команды `su - root`. Найдите в системном логе `/var/log/auth.log` события "authentication failure", оставьте в строке только дату и имя пользователя и сохраните их в файл. Следуя правилам хорошего тона, после выполнения операций не забудьте выйти из аккаунта суперпользователя.
+```
+cat /var/log/auth.log | grep 'authentication failure' | sed 's/^\(.\{15\}\).*authentication failure; logname=\(\w\+\) .*/\1 \2/g'
+```
+
+## 14
+Выведите 10 самых больших открытых файлов в системе, используя `lsof` и `awk`.
+```
+lsof / | awk '{ if($7 > 1048576) print $7/1048576 "MB" " " $9 " " $1 }' | sort -n -u | tail
+```
+
+# Man страницы
+```
+man awk
+man lsof
+man sort
+man uniq
+man cat
+man sed
+man jq
+man su
+```
+
+# Ссылки
+
+[Adam D. Command-line Tools can be 235x Faster than your Hadoop Cluster] https://adamdrake.com/command-line-tools-can-be-235x-faster-than-your-hadoop-cluster.html