python和shell 取日期为今天的行

作者: goto2091

按条件取行

todolist.txt是存储所有数据的地方,每次查看数据库显得麻烦。

在执行命令后,要在终端显示今日应作事项。

首先用linux 的shell脚本来实现该功能。
grep指令可以在文件中查找字符串。只要从系统中读取今天日期便可查找到符合今天日期的数据行有哪些。
todolist.txt中的日期格式是:'2020-09-20',因此,显示格式化的日期指令是
$ date "+ %Y-%m-%d" 这里要注意,左边的+在引号里且紧挨着左引号。

$ dt=$(date "+ %Y-%m-%d")
$ echo $dt
$ grep $dt todolist.txt

于是便显示了当日日期。

如果是在python中完成该功能,则通过DataFrame实现按条件取行。

由于是要运用跨平台的方式,因此,尽量只使用python本身的库实现所有的功能。 pandas过滤包含某一字符串的行的指令:
df[df['xxx'].str.contains('yyy')]

这样,便可过滤符合要求的行。 pandas按照条件取行还可以怎么写? date指令参考资料 https://blog.csdn.net/rudygao/article/details/28234051
pandas按照条件取行 https://www.cnblogs.com/nxf-rabbit75/p/10105271.html
python查看字符串是否包含其中 https://www.cnblogs.com/nxf-rabbit75/p/10105271.html

原文创作:goto2091

原文链接:https://www.cnblogs.com/goto2091/p/13706179.html

更多推荐

更多
  • Python人工智能-20 20 将卷积神经网络用于深度学习 在本章中,我们将学习深度学习和**卷积神经网络**(**CNN**)。 在过去的几年中,CNN 取得了很大的发展势头,尤其是在图像识别领域。 我们将讨论 CNN 的架构以及内部使用的层的类型。 我们将
  • Python人工智能-22 通过强化学习创建智能体 22 通过强化学习创建智能体 在本章中,我们将学习**强化学习**(**RL**)。 我们将讨论 RL 的前提。 我们将讨论 RL 和监督学习之间的区别。 我们将通过一些真实的 RL 实例来了解 RL 如何以各种形式表现出来。 我们将
  • Python人工智能-23 人工智能和大数据 23 人工智能和大数据 在本章中,我们将学习什么是大数据以及如何在人工智能的背景下使用大数据技术。 我们将讨论大数据如何帮助加速机器学习流程。 我们还将讨论使用大数据技术什么时候是一个好主意,何时使用它们是过时的,并通过一些示例来加深
  • Python人工智能-21 循环神经网络和其他深度学习模型 21 循环神经网络和其他深度学习模型 在本章中,我们将学习深度学习和**循环神经网络**(**RNN**)。 像前几章所介绍的 CNN 一样,RNN 在过去几年中也获得了很大发展。 就 RNN 而言,它们在语音识别领域被大量使用。 当
  • Python人工智能-Python 人工智能中文版 文章列表,Python人工智能-0 前言,Python人工智能-1 人工智能简介,Python人工智能-10 启发式搜索技术
  • Python人工智能-16 聊天机器人 16 聊天机器人 在本章中,我们将学习聊天机器人。 我们将了解它们是什么以及如何使用它们。 您还将学习如何创建自己的聊天机器人。 我们将涵盖以下主题: * 聊天机器人的未来 * 聊天机器人的现状 * 基本的聊天机器人概念
  • Python人工智能-17 序列数据和时间序列分析 17 序列数据和时间序列分析 在本章中,我们将学习如何构建序列学习模型。 为此,我们将涵盖许多主题,以使我们更好地掌握如何构建和使用这些模型。 我们将学习如何处理 Pandas 中的时间序列数据。 我们将了解如何分割时间序列数据并对其
  • Python人工智能-19 神经网络 19 神经网络 在本章中,我们将学习神经网络。 我们将从神经网络的介绍和相关库的安装开始。 然后,我们将讨论感知器以及如何基于它们构建分类器。 之后,我们将更深入地学习单层神经网络和多层神经网络。 稍后,我们将看到如何使用神经网络构
  • Python人工智能-18 图像识别 18 图像识别 在本章中,我们将学习有关对象检测和跟踪的知识。 首先,我们将花费一些时间来理解为什么图像识别对于机器学习非常重要。 然后,我们将学习称为 OpenCV 的图像识别包,该包是计算机视觉的流行库。 我们还将学习如何安装 O
  • Python人工智能-8 构建推荐系统 8 构建推荐系统 在本章中,我们将学习如何建立一个推荐系统来推荐人们可能喜欢看的电影。 我们将了解 K 最近邻分类器,并了解如何实现它。 我们使用这些概念来讨论协同过滤,然后使用它来构建推荐系统。 到本章末,您将了解以下内容: *
  • 近期文章

    更多
    文章目录

      推荐作者

      更多