精华内容
下载资源
问答
  • Linux 使用grep筛选多个条件

    万次阅读 2018-07-04 10:54:42
    grep 同时满足多个关键字和满足任意关键字 ① grep -E "word1|word2|word3" file.txt 满足任意条件(word1、word2和word3之一)将匹配。 ② grep word1 file.txt | grep word2 |grep word3 必须同时满足三...

    !!!!

    grep 同时满足多个关键字和满足任意关键字

    ① grep -E "word1|word2|word3"   file.txt

       满足任意条件(word1、word2和word3之一)将匹配。

    ② grep word1 file.txt | grep word2 |grep word3

       必须同时满足三个条件(word1、word2和word3)才匹配。

    3.统计符合条件的个数

    *.log -------当前目录下所有以.log结尾的日志

    grep word1  *.log | grep word2 | wc -l 

    4.分页查看符合条件的内容

    grep word1 *.log | grep word2 | more

    不说废话, 例如需要排除 abc.txt 中的  mmm   nnn

    grep -v 'mmm\|nnn' abc.txt 

    但是这样还是很多,需要从这几条信息里面去找到所需要的 ip 地址,我们可能想到了使用 grep -v 屏蔽掉 inet6,结果如下:

    bash-3.2# ifconfig | grep inet | grep -v inet6
        inet 127.0.0.1 netmask 0xff000000
        inet 10.60.104.38 netmask 0xfffffe00 broadcast 10.60.105.255

    !!!!

     

    展开全文
  • 主要介绍了Linux 使用grep筛选多个条件及grep常用过滤命令,需要的朋友可以参考下
  • 筛选多个人符合某条件的多条件选取表2003
  • search: function (e) { //showList显示所有数据 let allData = showList if (this.data.search_data == '' && term1== '全部' && term2== 'all' && term3== 'all') { ...
     search: function (e) {
        //showList显示所有数据
        let allData = showList
        if (this.data.search_data == '' && term1== '全部' && term2== 'all' && term3== 'all') {
          searchData = allData
        } else {
          if (term1!= '全部') {
            needSearch["term2"] = term1
          }
          if (term2!= 'all') {
             needSearch["term2"] = term2
          }
          if (term3!= 'all') {
            needSearch["term3"] = term3
          }
          searchData = allData.filter(item => {
            let result = this.isObjectValueEqual(item, needSearch)
            if (result) {
              if (item.householderName.indexOf(this.data.search_data) != -1) {
                return item
              }
            }
          })
        }
        if (searchData.length == 0) {
          this.setData({
            'showinfo': '暂无数据'
          })
        }
        this.setData({
          showList: searchData
        })
      },
      isObjectValueEqual: function (b, a) {
        var aProps = Object.getOwnPropertyNames(a);
        var bProps = Object.getOwnPropertyNames(b);
        for (var i = 0; i < aProps.length; i++) {
          var propName = aProps[i];
          if (a[propName] != b[propName]) {
            return false;
          }
        }
        return true;
      },
    
    展开全文
  • pandas 筛选数据,同时满足多个条件

    万次阅读 2018-07-13 17:38:11
    # 筛选排名前10的最多产的导演的 电影数据 top10_dire_movies = df_dire[df_dire[ 'dire' ].isin(top10_dire.index)] top10_dire_movies ## 错误用法:使用in逻辑判断。 要用.isin()方法 df_dire[df_dire[ 'dire...
    top10_dire = df_dire.groupby('dire').id.agg('count').sort_values(ascending=False)[:10]
    ## top10_dire
    dire
    Woody Allen          46
    Clint Eastwood       34
    Martin Scorsese      31
    Steven Spielberg     30
    Steven Soderbergh    23
    Ridley Scott         23
    Ron Howard           22
    Joel Schumacher      21
    Brian De Palma       20
    Tim Burton           20
    Name: id, dtype: int64
    
    # 筛选排名前10的最多产的导演的 电影数据
    top10_dire_movies = df_dire[df_dire['dire'].isin(top10_dire.index)]
    top10_dire_movies
    
    ## 错误用法:使用in逻辑判断。 要用.isin()方法
    df_dire[df_dire['dire'] in top10_dire.index]
    展开全文
  • pandas筛选符合多个条件的方法

    万次阅读 多人点赞 2019-08-30 19:16:52
    时候,我都会面临着筛选出一张表中符合条件的数据,使用pandas可以快速的实现目标,在此记录下自己最常用的筛选手段


    我的这篇笔记不记录排序、分组、替换,只记录筛选功能的三种常见的方法。

    • 直接筛选(推荐)
    • 基于map方法的筛选(在方法一的基础上,十分推荐)
    • query方法(不推荐)

    所有代码均在:https://github.com/123liudong/pythonBlog/tree/master/dataDealPandas

    示例数据展示

    all_data = pd.read_csv('data.csv')
    print(all_data.info())
    print(all_data.head(100))
    

    在这里插入图片描述

    例子筛选说明

    为了简单例子,所以在使用筛选方法1和方法2的时候,直接筛选User_id=1439408和Date=NaN的数据。至于筛选方法3,因为我还不知道怎么表示NaN所以仅展示筛选User_id=1439408的数据。

    直接筛选

    • 直接使用列需要满足的条件,如果需要多个列同时满足条件,使用’&‘符号连接即可;如果只需要某一列满足条件,则使用’|'连接多个列的条件。
    # # 直接筛选方法
    some = all_data[(all_data['User_id'] == 1439408) & (all_data['Date'].isna())]
    print(some)
    

    结果:得到了User_id=1439408和Date为空的数据项

       User_id  Merchant_id  Coupon_id Discount_rate  Distance  Date_received  Date
    1  1439408         4663    11002.0        150:20       1.0     20160528.0   NaN
    2  1439408         2632     8591.0          20:1       0.0     20160217.0   NaN
    3  1439408         2632     1078.0          20:1       0.0     20160319.0   NaN
    4  1439408         2632     8591.0          20:1       0.0     20160613.0   NaN
    

    基于map的筛选

    • 这个筛选方式和直接筛选唯一不同的就是,把筛选条件给隔离出来了。
    user_requried = all_data['User_id'].map(lambda x : x==1439408)
    date_requried = all_data['Date'].map(lambda x : np.isnan(x))
    some = all_data[user_requried & date_requried]
    print(some) 
    

    结果:其中map返回的值必须是bool类型,即某一个条件。然后使用直接筛选的方式,把条件合并,最终得出筛选的结果。我认为使用此种类型的方法更加的优美。

       User_id  Merchant_id  Coupon_id Discount_rate  Distance  Date_received  Date
    1  1439408         4663    11002.0        150:20       1.0     20160528.0   NaN
    2  1439408         2632     8591.0          20:1       0.0     20160217.0   NaN
    3  1439408         2632     1078.0          20:1       0.0     20160319.0   NaN
    4  1439408         2632     8591.0          20:1       0.0     20160613.0   NaN
    

    使用query()方法筛选

    • 直接写表达式,得出想要筛选的结果。
    some = all_data.query('(User_id == 1439408)')
    print(some)
    

    结果:直接写表达式容易触发一些不必要的问题(值的类型容易出错,一些特殊值的表达困难等),所以并不建议使用这样的方法。

       User_id  Merchant_id  Coupon_id  ... Distance  Date_received        Date
    0  1439408         2632        NaN  ...      0.0            NaN  20160217.0
    1  1439408         4663    11002.0  ...      1.0     20160528.0         NaN
    2  1439408         2632     8591.0  ...      0.0     20160217.0         NaN
    3  1439408         2632     1078.0  ...      0.0     20160319.0         NaN
    4  1439408         2632     8591.0  ...      0.0     20160613.0         NaN
    5  1439408         2632        NaN  ...      0.0            NaN  20160516.0
    6  1439408         2632     8591.0  ...      0.0     20160516.0  20160613.0
    

    总结:

    • 直接筛选适用于一些较简单的筛选
    • 基于map的方法适用于较为复杂的筛选,把条件提出来实现,使得代码更加简单明了。
    • 使用query方法虽然也能实现,但写的表达式总是容易出错,所以不建议使用。

    参考资料

    • https://pandas.pydata.org/pandas-docs/stable/
    展开全文
  • jQuery多条件筛选

    2017-09-08 11:47:25
    jQuery实现多条件筛选jQuery实现多条件筛选jQuery实现多条件筛选jQuery实现多条件筛选jQuery实现多条件筛选jQuery实现多条件筛选
  • 【转载】Linux 使用grep筛选多个条件

    千次阅读 2020-05-18 19:22:47
    grep 同时满足多个关键字和满足任意关键字 ① grep -E "word1|word2|word3"file.txt 满足任意条件(word1、word2和word3之一)将匹配。 ② grep word1 file.txt | grep word2 |grep word3 必须同时满足三个条件...
  • 时, 除了连接两表的字段条件外,我们往往还需要一些等值或者范围 等等类似的数据筛选条件。 那么对于初学者,往往会犯一错误,就是 想当然 地 认为,ON 后面的条件是逐一执行的,因为没有了解清楚 ON 后面...
  • jquery多条件筛选样式

    2017-01-03 10:02:31
    jquery多条件筛选样式,类似TB筛选样式
  • SQL筛选字段同时满足条件的结果

    万次阅读 多人点赞 2019-03-21 17:58:55
    现在有一张student表,包含三字段:s_id,c_id,s_score。 目的1:只保留得到s_id为01,s_score为80的结果 输入语句: select * from score where case ...目的2:筛选同时满足s_id为01,s_score为80以外的所...
  • 多条件筛选前端插件

    2018-08-10 14:41:07
    类似京东等多条件筛选的前端插件,采用原生css和jquery,git地址:https://github.com/tylhjy/filterMulti
  • Mybatis多条件筛选

    千次阅读 2018-05-30 17:21:39
    最近用mybatis做项目数据库框架,学习了很知识,今天分享两小知识: 关于if标签的使用 where 1=1小技巧 关于if标签的使用 我们在做业务时,经常遇到按照条件查询,例如: 我们要根据年龄和性别筛选出...
  • 核心代码  ... data = pd.DataFrame[(条件1) & (条件2).......] import pandas as pd job_info = pd.read_csv('job_info.csv',header=None,names=('公司','岗位','工作地点','工资','发布日期
  • 多条件筛选菜单

    2018-11-08 17:10:18
    实用的多条件筛选菜单,在很App上都能看到这效果
  • 表所有数据 查询userName为abc或xyz的 ...省级管理员发送区县全部的,根据接收对象地区号作为条件查询  * 3.省级管理员发送全省全部的,根据接收对象类型为"all"查询  * 4.省级管...
  • 一般情况下的单条件筛选,数组的filter方法就能够满足需求,本文讨论的重点是多条件下的复合筛选,并列出了几相关知识点。 // 这是例子中的被筛选数组 var aim = [ {name:'Anne', age: 23, gen...
  • 封装组合控件实现一简单的多条件筛选菜单,可根据自己需求定制筛选条件,动态添加筛选项,灵活使用。 控件封装,点击切换,使用popupWindow实现下拉列表,项目中封装了多种数组数据排序处理方法的工具栏,可对任何...
  • 2、条件同时满足使用& 3、条件或 | 拓展学习 import pandas as pd import numpy as np df1 = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['a', 'b', 'c'],index=['i1','i...
  • excel如何对数据进行字段同时排序、多条件组合和多条件筛选呢如图所示 【解决方法,教程视频资料如下】 本教程视频资料来源:http://edu.51cto.com/course/15404.html 完整博客资料:...
  • 总结一下Filter函数的使用。 Staff表数据如下: 1. 使用多个FILTER实现嵌套筛选
  • 仿携程主页菜单栏滚动置顶以及条件筛选功能,当点击时,点击控件以下弹出选项卡并且选项卡以下部分灰色半透明模板。点击控件以上颜色不变。
  • pandas多个列的组合条件筛选数据

    千次阅读 2020-03-18 15:11:09
    当然,这里的筛选条件可以根据用户需要自由调整,代码如下: # -*- coding: utf-8 -*- import pandas as pd #input.csv是那个大文件,有很行 df1 = pd.read_csv(u'input.csv', encoding='gbk') ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 176,836
精华内容 70,734
关键字:

怎样同时筛选多个条件