linux df命令 详细用法介绍


`df`(disk free)是Linux系统中用于查看磁盘空间使用情况的命令。以下是`df`命令的详细用法: 1. 基本语法: ``` df [选项] [文件系统] ``` 2. 常用选项: - `-h`:以人类可读的格式(如K, M, G, T)显示磁盘使用情况,而不是字节数。 - `-T`:显示文件系统的类型。 - `-i`:显示每个文件系统的inode使用情况。 - `-k`:默认情况下,输出单位为千字节(KB)。 - `-m`:输出单位为兆字节(MB)。 - `-g`:输出单位为千兆字节(GB)。 - `-t`:只显示指定类型的文件系统。 - `-a`:显示所有已挂载的文件系统,包括隐藏的和未挂载的。 3. 使用方法: - 不带任何参数,`df`会列出所有挂载点的磁盘空间使用情况。 - 如果指定一个文件系统名,例如`df /`,则只会显示该文件系统的使用情况。 - 若要查看特定目录的磁盘使用情况,可以使用`du -sh 目录名`,然后将结果与`df`命令结合使用。 4. 输出格式: - `Filesystem`:文件系统名。 - `1K-blocks`:文件系统大小,单位是1024字节。 - `Used`:已使用的空间。 - `Available`:剩余可用空间。 - `% Used`:使用百分比。 - `Mounted on`:挂载点。 示例: ``` $ df -h Filesystem Size Used Avail Use% Mounted on /dev/sda1 9G 65M 8.7G 1% / none 4.0K 0 4.0K 0% /sys/fs/cgroup ... ``` 在这个例子中,`/dev/sda1`是根文件系统,已经使用了65MB,剩余8.7GB,使用率大约为1%。 [2024-05-08 22:33:41 | AI写代码神器 | 467点数解答]
- # 预处理 def load_and_preprocess(file_path): df = pd.read_excel(file_path, engine='openpyxl') df = df.rename(columns={ '评价内容': 'comment', '星级': 'rating' }) # 删除未评论评价以及评论为空的记录 df = df.remove('此用户没有填写评价。') df = df.remove('此用户未及时填写评价内容') df = df.remove('此用户未填写评价内容') df = df.remove('该用户未评价,系统默认好评') df = df.dropna(subset=['comment']) # 去除非文字字符(保留中文、英文、数字) df['comment'] = df['comment'].apply(lambda x: re.sub(r'[^\w\u4e00-\u9fff]', '', (635点数解答 | 2025-06-25 15:46:50)55
- # 引入规则 import pandas as pd # 读取数据 df = pd.read_excel("https://cloud-cdn.acctedu.com/publicres/match/525839b97fa94429ac26bf57a798accc/order_datas.xlsx") # 添加年份列 df['年份'] = pd.to_datetime(df['订单日期']).dt.year # 从订单日期提取年份,并创建“年份”列 # 计算销售金额 df['销售金额'] = ___df['销售单价'] * df['销售数量']__ # 计算每个订单的销售金额 = 销售单价 * 销售数量 # 按年份分组 grouped = df.groupby('年份') # 将数据按“年份”列进行分组,便于逐年分析 # 遍历每个年份,计算相关指标 for year, group in grouped: # 遍历每个年份的分组数据 total_order_count = __group.shape[0]_ # 计算该年份的总订单数量(行数) tota(701点数解答 | 2024-11-10 14:29:10)171
- import pandas as pd # 读取数据 df = pd.read_excel("https://cloud-cdn.acctedu.com/publicres/match/525839b97fa94429ac26bf57a798accc/order_datas.xlsx") # 添加年份列 df['年份'] = pd.to_datetime(df['订单日期']).dt.year # 从订单日期提取年份,并创建“年份”列 # 计算销售金额 df['销售金额'] = ___count*amount__ # 计算每个订单的销售金额 = 销售单价 * 销售数量 # 按年份分组 grouped = df.groupby('年份') # 将数据按“年份”列进行分组,便于逐年分析 # 遍历每个年份,计算相关指标 for year, group in grouped: # 遍历每个年份的分组数据 total_order_count = __a_ # 计算该年份的总订单数量(行数) total_order_amount =___b_ # 计算该年份的(260点数解答 | 2024-11-10 14:26:05)158
- try: stock_list=[] with open(r'{}'.format(path),'r+') as f: com=f.readlines() for i in com: i=i.strip() if len(str(i))>0: stock_list.append(i) df=pd.dataframe() df['证券代码']=stock_list df['证券代码']=df['证券代码'].apply(lambda x:str(x)[-6:]) return df(294点数解答 | 2024-12-07 13:50:32)111
- 读入数据文件 data.xlsx,实现以下功能: # 数据做字符串处理dtype=str df = pd.read_excel(r'd:\data.xlsx', dtype=str) 1、将列名'商品编码'改为'药品编码',将列名'商品名称'改为'药品名称' (rename()方法实现重新标记行索引或列名,通常使用原索引与新索引(原列名与新列名)组成的字典作为参数。 例如:df=df.rename(columns={'name':'姓名','class':'班级'})) 2、对缺失数据做删除处理(查询哪些字段和记录有空值,并显示社保卡号为空值的记录,并删除有空值的记录) 3、将'销售数量'的数据类型转换为整型'int',将'应收金额'和'实收金额'的数据类型转换为浮点型'float' 4、将'购药时间'截取前面的日期字符串,并将该字段转化为时间类型 (截取字符串可以使用代码:df['购药时间'] = df['购药时间'].map(lambda x: x.split()[0])) 5、删除‘销售数量’小于等于0的数据。(查看数据框信息,看看删除后记录的改变) 6(168点数解答 | 2025-04-17 16:51:27)143
- def read_tdx_trader_stock(self,path=r'c:\new_tdx\t0002\blocknew\buy.blk'): ''' 读取通达信板块自选股交易 ''' try: stock_list=[] with open(r'{}'.format(path),'r+') as f: com=f.readlines() for i in com: i=i.strip() if len(str(i))>0: stock_list.append(i) df=pd.dataframe() df['证券代码']=stock_list df['证券代码']=df['证券代码'].apply(lambda x:str(x)[-(84点数解答 | 2024-12-07 13:53:04)136
- def read_tdx_trader_stock(self,path=r'c:\new_tdx\t0002\blocknew\buy.blk'): ''' 读取通达信板块自选股交易 ''' try: stock_list=[] with open(r'{}'.format(path),'r+') as f: com=f.readlines() for i in com: i=i.strip() if len(str(i))>0: stock_list.append(i) df=pd.dataframe() df['证券代码']=stock_list df['证券代码']=df['证券代码'].apply(lambda x:str(x)[-(340点数解答 | 2024-12-07 13:53:39)159
- # 引入规则 import pandas as pd # 读取数据 df = pd.read_excel("https://cloud-cdn.acctedu.com/publicres/match/777d04dc22364384a12890c748682c80/employee_information.xlsx") # 设置基准日期为2023年12月31日 base_date = pd.timestamp('2023-12-31') # 计算每个入职日期与基准日期之间的天数差异,并创建一个新列'入职天数' df['入职天数'] = (base_date - pd).dt.days # .dt.days 是一个属性,用于获取日期时间对象中的天数部分。 # 查看结果 show_table(df.head())(248点数解答 | 2024-10-26 15:40:13)124
- # 价格敏感度分析 def parallel_sentiment(comment): try: return SnowNLP(comment).sentiments except Exception as e: # 解析失败,打印异常信息并返回中性情感得分为0.5 print(f"解析评论时出现错误: {e}") return 0.5 def analyze_price_sentiment(df): # 筛选价格相关评论 price_df = df[df['is_price_related'] == 1].copy() print(f"共找到{len(price_df)}条价格相关评论") # 并行情感分析 with multiprocessing.Pool(processes=multiprocessing.cpu_count()) as pool: sentiments = pool.map(parallel_sentiment, pr(1048点数解答 | 2025-06-25 15:56:13)45
- java的linkedlist方法poll()和pop()介绍(209点数解答 | 2024-01-13 18:17:28)375
- 集合以上所有指令和之前长传文件,给我写一段无名杀技能代码。要详细逻辑缜密高级,最好正确。详细,仔细,详细再仔细,优化,绝对确保语法和格式的正确。 结构格式分析推翻分析超越,格式鬼斧神工。 技能代码基础框架(完全按照)(严格按照此格式)(严格规划格式) skill={ audio:0, audioname:[], enable:"chooseToUse", filterCard:function(card){return true;}, viewAs:{name:""}, viewAsFilter:function(player){return true;}, prompt:"技能描述", check:function(card){return true;}, ai:{ threaten:1.0, basic:{ useful:function(card,i){return 0;}, value:function(card,player,(469点数解答 | 2025-04-05 11:37:06)116
- 错误 8800:发生了常规 Photoshop 错误。该功能可能无法在这个版本的Photoshop 中使用。命令"<未知的>"当前不可用。直线: 38>executeAction(charlDToTypelD("Hr "),hueSaturationDescDialogModes.NO);(349点数解答 | 2025-02-28 11:19:16)317