Place
人员
Part A
🧩 A1.1 查看文件大小
第9周内容
目标： 查出
FIT1043_Dataset.gz 的大小（MB）命令：
或
解释：
ls -lh：显示详细信息，h表示以 MB/KB 显示。
du -h：显示文件占用空间大小。
🧩 A1.2 确定文件分隔符
第10周内容
目标： 找出
FIT1043_Dataset.gz 文件中用来分隔列的符号。命令：
解释：
cat：读取文件内容。
|：把上一步的输出传给下一个命令。
gunzip：解压缩（但只是读取，不会真正解压到磁盘）。
head：只显示前 10 行，方便查看格式。
分析结果：
你会看到类似这样的输出：
可以看到各列之间使用 逗号（,） 分隔。
🧩 A1.3 统计文件行数
第10周内容
目标： 计算
FIT1043_Dataset.gz 文件共有多少行。命令：
解释：
cat：读取压缩文件。
gunzip：在不解压的情况下读取内容。
|：把解压后的内容传给下一个命令。
wc -l：统计行数（每一条推文是一行）。
输出示例：
表示共有 1,600,000 行数据。
🧩 A2.1 统计唯一用户数量
第10周内容
目标：
找出数据集中有多少个不同的用户（
user 列）。命令：
解释：
awk -F',' '{print $5}'：
以逗号为分隔符，打印第 5 列（用户列）。
sort：将用户名字排序（uniq需要相邻重复才能识别）。
uniq：去除重复的用户名。
wc -l：统计唯一用户名的数量。
输出示例：
说明数据集中有 65,789 个不同用户。
🧩 A2.2 推文日期范围（假设已按时间排序）
第10周内容
目标：
找出推文的最早日期和最晚日期。
命令：
解释：
awk -F',' '{print $3}'：提取第 3 列（日期列）。
head -1：显示第一行（最早日期）。
tail -1：显示最后一行（最晚日期）。
👉 因为题目说明数据按时间顺序排列，所以可以直接取首尾。
输出示例：
🧩 改进版：A2.3 按真实时间排序（年 → 月 → 日）
需要自己网上搜索
目标：
在数据无序时，按真实日期顺序找出最早和最晚日期。
命令：
解释：
- 考虑到英文中如果按照默认的
sort排序，则
四月(Apr) < 八月(Aug) < 十二月(Dec) - 输出顺序混乱
- 需要使用
sortcommand中的K选项
输出示例：