$0
データファイル(TSV形式、一行目はヘッダ)について、各列の有用な情報を出力する。
出力項目:
1. 列番号 ; 白
2. 異なり数(各列に異なる値が何個出現したか) ; 明るい緑
3. 平均値 ( -m で平均値の出力は抑制可能) ; 青
4. 列名 (ヘッダから取り出す) ; 黄色
5. 値の範囲 ; 明るい白
6. 値の頻出ランキング ; 暗い白
7. 頻出上位と下位についての出現回数 ; 明るい緑
8. 値の文字列長の範囲 ; 青
オプション :
-g 6 ; 具体的な値を何個表示させるか指定する。
-m ; 平均値を表示しない。(平均値は strtod を使っている。)
-l 10 ; 各セルの値の長さを指定文字数に制限する。(現状 ASCII 文字のみで正常動作)
-0 REGEX ; 除外する値の正規表現の指定。 '^部分正規表現$' のような指定の仕方をよく使うことになるだろう。
-= ; ヘッダが存在する場合は必ず指定すること。そうはない場合は、列名は連番になる。
-/ REGEX : 区切り文字をタブ文字ではなくて、 str に変更。
-u ; utf-8 として処理することとする。 -u が指定されないと、バイト単位の処理となる。
-z ; 入力は gzip 圧縮されていることを仮定。
-@ N : N 秒ごとに,何行を読んだかを報告する。 Report how many have read every N seconds.
--help : この $0 のヘルプメッセージを出す。 perldoc -t $0 | cat でもほぼ同じ。
--help opt : オプションのみのヘルプを出す。opt以外でも options と先頭が1文字以上一致すれば良い。
開発上のメモ :
* プログラム内の periodicreport は計算速度を低下させるので、ALRM を使った方式に変えよう。
* colsummary 出力の列名を付加するオプションが欲しい。