开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

将DF列中的部分值匹配到指定列表，并检索频率

是一个非常宽泛的问题，涉及到多个方面的知识。下面我会尝试给出一个完善且全面的答案。

首先，匹配部分值到指定列表可以通过编程语言中的字符串匹配算法来实现。常用的算法有正则表达式、模糊匹配算法（如Levenshtein距离）、字典树（Trie树）等。通过对DF列中的值进行遍历，并使用相应的算法来匹配到指定列表中的值。

其次，检索频率可以通过统计DF列中各个值的出现次数来实现。可以使用编程语言提供的计数功能或者自定义计数算法来统计各个值的出现次数。

下面是一些专业知识和相关概念的介绍：

前端开发：指开发网站或者应用程序的用户界面部分，使用HTML、CSS和JavaScript等技术进行开发。推荐腾讯云的前端开发产品是腾讯云静态网站托管，可以通过链接地址（https://cloud.tencent.com/product/sls）获取更多信息。
后端开发：指开发网站或者应用程序的服务器端部分，处理数据和逻辑等任务。常用的后端开发语言有Java、Python、Node.js等。推荐腾讯云的后端开发产品是腾讯云云函数，可以通过链接地址（https://cloud.tencent.com/product/scf）获取更多信息。
软件测试：指对软件进行各种测试和验证的过程，以确保软件的质量和功能的正确性。常用的测试方法有单元测试、集成测试、性能测试等。推荐腾讯云的测试产品是腾讯云测试云，可以通过链接地址（https://cloud.tencent.com/product/dts）获取更多信息。
数据库：指用于存储和管理数据的系统，常见的数据库有关系型数据库（如MySQL、Oracle）和非关系型数据库（如MongoDB、Redis）。推荐腾讯云的数据库产品是腾讯云云数据库，可以通过链接地址（https://cloud.tencent.com/product/cdb）获取更多信息。
服务器运维：指对服务器进行配置、部署、监控和维护等工作，以确保服务器的正常运行。推荐腾讯云的服务器运维产品是腾讯云云服务器，可以通过链接地址（https://cloud.tencent.com/product/cvm）获取更多信息。
云原生：指在云环境中开发和运行应用程序的一种方法论，包括容器化、微服务架构、持续集成和持续部署等技术。推荐腾讯云的云原生产品是腾讯云容器服务，可以通过链接地址（https://cloud.tencent.com/product/ccs）获取更多信息。
网络通信：指在计算机网络中进行数据传输和通信的过程，包括TCP/IP协议、HTTP协议等。推荐腾讯云的网络通信产品是腾讯云私有网络，可以通过链接地址（https://cloud.tencent.com/product/vpc）获取更多信息。
网络安全：指保护计算机网络系统和数据免受未经授权访问、破坏和攻击的一系列措施和技术。推荐腾讯云的网络安全产品是腾讯云Web应用防火墙，可以通过链接地址（https://cloud.tencent.com/product/waf）获取更多信息。
音视频：指处理和传输音频和视频数据的技术，包括音频编解码、视频编解码、媒体传输协议等。推荐腾讯云的音视频产品是腾讯云直播，可以通过链接地址（https://cloud.tencent.com/product/lvb）获取更多信息。
多媒体处理：指处理和编辑多媒体数据的技术，包括图片处理、音频处理、视频处理等。推荐腾讯云的多媒体处理产品是腾讯云媒体处理，可以通过链接地址（https://cloud.tencent.com/product/mps）获取更多信息。
人工智能：指模拟和扩展人类智能的技术和应用，包括机器学习、自然语言处理、计算机视觉等。推荐腾讯云的人工智能产品是腾讯云人工智能开放平台，可以通过链接地址（https://cloud.tencent.com/product/ai）获取更多信息。
物联网：指将传感器、设备和互联网连接起来，实现智能化和自动化的一种技术和应用。推荐腾讯云的物联网产品是腾讯云物联网开发平台，可以通过链接地址（https://cloud.tencent.com/product/iot）获取更多信息。
移动开发：指开发移动设备上的应用程序，包括手机应用和平板电脑应用等。常用的移动开发平台有iOS和Android。推荐腾讯云的移动开发产品是腾讯云移动应用开发平台，可以通过链接地址（https://cloud.tencent.com/product/ci）获取更多信息。
存储：指存储和管理数据的技术和设备，包括云存储、分布式文件系统等。推荐腾讯云的存储产品是腾讯云对象存储，可以通过链接地址（https://cloud.tencent.com/product/cos）获取更多信息。
区块链：指一种去中心化的分布式账本技术，用于记录交易和资产信息，具有透明、不可篡改和去中心化的特点。推荐腾讯云的区块链产品是腾讯云区块链服务，可以通过链接地址（https://cloud.tencent.com/product/bcs）获取更多信息。
元宇宙：指虚拟现实（VR）、增强现实（AR）和混合现实（MR）等技术与网络和云计算相结合，构建起的一个虚拟世界。元宇宙可以用于虚拟旅游、虚拟会议、虚拟购物等场景。推荐腾讯云的元宇宙产品是腾讯云直播互动直播，可以通过链接地址（https://cloud.tencent.com/product/lvc）获取更多信息。

希望以上答案能够满足你的需求，如果还有其他问题，请随时提问。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

文本挖掘模型：本特征提取

文本挖掘模型结构示意图 1. 分词分词实例：提高人民生活水平：提高、高人、人民、民生、生活、活水、水平分词基本方法：最大匹配法、最大概率法分词、最短路径分词方法

06

【全文检索_06】Elasticsearch 基本使用㈡

在 MySQL 中查询所有数据使用 SELECT * FROM table，在 Elasticsearch 中我们使用 GET 索引/_search 来查询所有数据。响应内容不仅会告诉我们哪些文档被匹配到，而且这些文档完整的内容也包含在其中。

01

一起学Elasticsearch系列-Query DSL

DSL是Domain Specific Language的缩写，指的是为特定问题领域设计的计算机语言。这种语言专注于某特定领域的问题解决，因而比通用编程语言更有效率。

02

ElasticSearch：实现高效数据搜索与分析的利器！项目中如何应用落地，让我带你实操指南。

https://blog.csdn.net/sinat_39620217/article/details/134011021

02

Elasticsearch搜索查询语法

原文地址为https://www.cnblogs.com/haixiang/p/12095578.html，转载请注明出处! es与SpringBoot的整合以及常用CRUD、搜索API已被作者封装,开箱即用效果很好,欢迎star谢谢!github

02

Pandas笔记

pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型结构化数据集所需的工具。

01

塔荐 | 计算机领域顶级科学家、学术会议、期刊影响力排名（附国内排名）

导读：近日，Guide2Research 发布了计算机科学领域的论文期刊、学术会议和科学家等内容的学术影响力排名。其排名根据 Google Scholar Metrics 的 H5-Index 和期刊影响力因子确定，并且我们可以根据计算机子领域、出版物、国家和关键字等条目寻找我们希望了解的影响力排行。顶级科学家以下是全球计算机领域杰出科学家的列表，其通过 H-Index 分值进行排列，以下仅显示影响力前十的研究科学家。 📷 我们也可以在该网站查找特定的科学家以了解其引用量和 H-Ind

06

070. 搜索引擎理论简述

1. 索引 ---- 1. 索引的原理是什么？对列值创建排序存储，数据结构={列值、行地址}。在有序数据列表中就可以利用二分查找（或者其他方式）快速找到要查找的行的地址，再根据地址直接取行数据。 2. 为什么称为倒排索引？英文原名为 Inverted index，失败地被翻译成了倒排索引。应该翻译为：反向索引。 3. 反向索引的记录数会不会很大？英文单词的大致数量是10万个。汉字的总数已经超过了8万，而常用的只有3500字。《现代汉语规范词典》比《现代汉语词典》收录的字和词数量更多。前者是130

02

计算机领域顶级科学家、学术会议、期刊影响力排名（附国内排名）

以下是全球计算机领域杰出科学家的列表，其通过 H-Index 分值进行排列，以下仅显示影响力前十的研究科学家。

02

Python数据科学（七）- 资料清理(Ⅱ)1.资料转换2.处理时间格式资料3.重塑资料4.学习正则表达式5.实例处理

注意：这里的时间转换后的格式可以根据需要设定，eg：dt.strftime('%Y/%m/%d')

03

计算机领域顶级科学家、学术会议、期刊影响力排名（附国内排名）

机器之心报道参与：李亚洲、蒋思源近日，Guide2Research 发布了计算机科学领域的论文期刊、学术会议和科学家等内容的学术影响力排名。其排名根据 Google Scholar Metrics 的 H5-Index 和期刊影响力因子确定，并且我们可以根据计算机子领域、出版物、国家和关键字等条目寻找我们希望了解的影响力排行。项目地址：http://www.guide2research.com/ 顶级科学家以下是全球计算机领域杰出科学家的列表，其通过 H-Index 分值进行排列，以下仅显示影响力

05

Oracle实践｜Oracle内置函数之INSTR

昨日，也就是25日，在墨天轮的「每日一题」上面答题，做错了，当再次认真审题的时候，发现了，哦吼。原来如此，明明是三个“surge”，……这？想着就再复习下这个函数吧。首先说下哈，这个栏目其实挺好的，每天做一题，查缺补漏也好，增长知识也罢，至少让自己都在学习中，是一件很快乐的事情。

02

干货 | ElasticSearch相关性打分机制

作者简介孙咸伟，后端开发一枚，在携程技术中心市场营销研发部负责“携程运动”项目的开发和维护。携程运动是携程旗下新业务，主要给用户提供羽毛球、游泳等运动项目的场馆预定。最近我们在做场馆搜索的功能时，接触到elasticsearch（简称es）搜索引擎。我们展示给用户的运动场馆，在匹配到用户关键词的情况下，还会综合考虑多种因素，比如价格，库存，评分，销量，经纬度等。如果单纯按场馆距离、价格排序时，排序过于绝对，比如有时会想让库存数量多的场馆排名靠前，有时会想让评分过低的排名靠后。有时在有多家价格相同的

Pandas知识点-合并操作merge

merge()方法是Pandas中的合并操作，在数据处理过程中很常用，本文介绍merge()方法的具体用法。

03

pandas系列7-透视表和交叉表

透视表pivot_table是各种电子表格和其他数据分析软件中一种常见的数据分析汇总工具。根据一个或者多个键对数据进行聚合根据行和列上的分组键将数据分配到各个矩形区域中一文看懂pandas的透视表 Pivot_table 特点灵活性高，可以随意定制你的分析计算要求脉络清晰易于理解数据操作性强，报表神器参数 data: a DataFrame object，要应用透视表的数据框 values: a column or a list of columns to aggregate，要聚合的列

01

Python分析Nginx日志

对nginx进行日志分析，首先拿到需要分析的nginx日志文件，日志文件的内容具有固定的定义方法，每一行的日志中每一个特殊的字段都代表着具体的含义，例如：

04

ElasticSearch权威指南：基础入门（中）

官方网站：https://www.elastic.co/guide/index.html

04

ES学习分享

Elasticsearch是一个基于Apache Lucene的开源搜索引擎，通过简易的API来隐藏Lucene的复杂性。ES的基本结构包括，Cluster集群(由n个节点组成)，Node实例节点，Index索引(一系列documents的集合)，Shard分片(索引的数据是分配到各个分片的)，Replica备份节点(相应有Primay Shard主分片)

04

ES学习分享

Elasticsearch是一个基于Apache Lucene的开源搜索引擎，通过简易的API来隐藏Lucene的复杂性。ES的基本结构包括，Cluster集群(由n个节点组成)，Node实例节点，Index索引(一系列documents的集合)，Shard分片(索引的数据是分配到各个分片的)，Replica备份节点(相应有Primay Shard主分片)

02

R语言︱情感分析—基于监督算法R语言实现（二）

版权声明：博主原创文章，微信公众号：素质云笔记,转载请注明来源“素质云博客”，谢谢合作！！ https://blog.csdn.net/sinat_26917383/article/details/51302425

02

再见了！Pandas！！

先把pandas的官网给出来，有找不到的问题，直接官网查找：https://pandas.pydata.org/

01

搜索引擎的检索模型-查询与文档的相关度计算

搜索结果排序时搜索引擎最核心的部分，很大程度度上决定了搜索引擎的质量好坏及用户满意度。实际搜索结果排序的因子有很多，但最主要的两个因素是用户查询和网页内容的相关度，以及网页链接情况。这里我们主要总结网页内容和用户查询相关的内容。

01

文本情感分析：特征提取（TFIDF指标）&随机森林模型实现

作者：Matt 自然语言处理实习生 http://blog.csdn.net/sinat__26917383/article/details/51302425 笔者寄语：本文大多内容来自未出版的《数据挖掘之道：基于R的实战之旅》的情感分析章节。本书中总结情感分析算法主要分为两种：词典型+监督算法型。监督算法型主要分别以下几个步骤：构建训练+测试集+特征提取（TFIDF指标）+算法模型+K层交叉验证。基于监督算法的情感分析存在着以下几个问题：（1）准确率而言，基于算法的方法还有待提高，而目前的算

04

50个超强的Pandas操作！！

首先给出一个示例数据，是一些用户的账号信息，基于这些数据，这里给出最常用，最重要的50个案例。

01

4个解决特定的任务的Pandas高效代码

在本文中，我将分享4个在一行代码中完成的Pandas操作。这些操作可以有效地解决特定的任务，并以一种好的方式给出结果。

01

Python数据分析-pandas库入门

pandas 提供了快速便捷处理结构化数据的大量数据结构和函数。自从2010年出现以来，它助使 Python 成为强大而高效的数据分析环境。pandas使用最多的数据结构对象是 DataFrame，它是一个面向列（column-oriented）的二维表结构，另一个是 Series，一个一维的标签化数组对象。

02

mysql8.0优化案例图文详解（强推）

Linux,Docker,MySQLCommunity8.0.31,InnoDB。

06

一行代码制作数据分析交叉表，太便捷了

在上一篇文章中我们了解到Pandas模块中的pivot_table()函数可以用来制作数据透视表，今天小编来介绍一下Pandas模块中的另外一个函数corsstab()，我们可以通过调用该函数来制作交叉表，下面就来看看其中的主要流程和步骤吧。

02

miRanda和mirSVR:预测miRNA结合位点的工具

预测miRNA结合位点的工具很多，以TargetScan为代表的工具，利用结合位点的保守性进行预测，对于大部分保守的结合位点而言其准确性较好，然而还是有部分miRNA结合位点是非常规的，在物种间并不保守，对于这部分位点的预测，就需要在算法上进行改进。

03

linux实战（6）linux核心数据处理查找命令之find，cut，awk， sed命令用法

cut应用场景：通常对数据进行列的提取（在工作中，我们通常会对数据库或者查出来的日志进行列的提取）

01

【精通Linux系列】inux核心数据处理查找命令之find，cut，awk， sed命令用法

cut应用场景：通常对数据进行列的提取（在工作中，我们通常会对数据库或者查出来的日志进行列的提取）

01

构建RFM体系：优化客户分析和营销策略

RFM 分析是一种用于洞悉客户价值和行为的强大工具，广泛应用于市场营销和客户关系管理。本文将介绍 RFM 分析如何在数据产品不充分的情况下实现以及如何利用RFM分析来优化营销策略，提高客户满意度，增加业务收益。

03

Python 数据处理：Pandas库的使用

✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。 🍎个人主页：小嗷犬的博客 🍊个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。 🥭本文内容：Python 数据处理：Pandas库的使用 ---- Python 数据处理：Pandas库的使用 1.Pandas 数据结构 1.1 Series 1.2 DataFrame 2.基本功能 2.1 重新索引 2.2 丢弃指定轴上的项 2.3 索引、选取和过滤 2.4 用 loc 和 iloc 进行选取 2.5

01

统计文件中出现的单词次数

这里以kevin.txt文件内容（单词由一个或多个空格字符分隔）为例进行简单说明 [root@centos6-test06 ~]# cat /root/kevin.txt the world kevin is the is world grace the kevin art the kevin the is kevin 统计kevin.txt文件中出现的单词次数第一种方法：结合grep和awk编写shell脚本脚本内容如下： [root@centos6-test06 ~]# cat count.sh

时间序列的重采样和pandas的resample方法介绍

重采样是时间序列分析中处理时序数据的一项基本技术。它是关于将时间序列数据从一个频率转换到另一个频率，它可以更改数据的时间间隔，通过上采样增加粒度，或通过下采样减少粒度。在本文中，我们将深入研究Pandas中重新采样的关键问题。

03

初学者SQL语句介绍

1.用 Select 子句检索记录 Select 子句是每一个检索数据的查询核心。它告诉数据库引擎返回什么字段。 Select 子句的常见形式是： Select * 该子句的意思是“返回在所指定的记录源中能找到的所有字段”。这种命令形式很方便，因为你无需知道从表中检索的字段名称。然而，检索表中的所有列是低效的。因此，因该只检索需要的字段，这样可以大大的提高查询的效率。 2.使用 From 子句指定记录源 From 子句说明的是查询检索记录的记录源；该记录源可以是一个表或另一个存储查询。你还能从多个表中检索记录，这在后面的章节中将介绍。例子： Select * From students 检索students表中的所有记录 3.用 Where 子句说明条件 Where 子句告诉数据库引擎根据所提供的一个或多个条件限定其检索的记录。条件是一个表达式，可具有真假两种判断。例子： Select * From students Where name="影子" 返回students中name字段为影子的列表，这次所返回的结果没有特定顺序，除非你使用了 Order By 子句。该子句将在后面的章节介绍。注意：Where 子句中的文本字符串界限符是双引号，在VB中因改为单引号，因为在VB中字符串的界定符是双引号。补充：使用 And 和 Or 逻辑可以将两个或更多的条件链接到一起以创建更高级的 Where 子句。例子： Select * From students Where name="影子" And number>100 返回name为影子number大于100的列表。例子： Select * From students Where name="影子" And (number>100 Or number<50) 返回name为影子，number大于100或者小于50的列表。 Where 子句中用到的操作符操作符功能 < 小于 <= 小于或等于 > 大于 >= 大于或等于 = 等于 <> 不等于 Between 在某个取值范围内 Like 匹配某个模式 In 包含在某个值列表中 SQL中的等于和不等于等操作符与VB中的意义和使用相同例子：（1）.Between 操作符 Use cust Select * From students Where number Between 1 and 100 Between 操作符返回的是位于所说明的界限之内的所有记录值。这个例子就返回 number 字段 1 到 100 之间的全部记录。（2）. Like 操作符和通配符 Use cust Select * From students Where name Like "%影%" Like 操作符把记录匹配到你说明的某个模式。这个例子是返回含“影”的任意字符串。四种通配符的含义通配符描述 % 代表零个或者多个任意字符 _（下划线）代表一个任意字符 [] 指定范围内的任意单个字符 [^] 不在指定范围内的任意单个字符全部示例子如下： Like "BR%" 返回以"BR"开始的任意字符串 Like "br%" 返回以"Br"开始的任意字符串 Like "%een" 返回以"een"结束的任意字符串 Like "%en%" 返回包含"en"的任意字符串 Like "_en" 返回以"en"结束的三个字符串 Like "[CK]%" 返回以"C"或者"K"开始的任意字符串 Like "[S-V]ing" 返回长为四个字符的字符串，结尾是"ing"，开始是从S到V。 Like "M[^c]%" 返回以"M"开始且第二个字符不是"c"的任意字符串。 4. 使用 Order By 对结果排序 Order By 子句告诉数据库引擎对其检索的记录进行排序。可以对任何字段排序，或者对多个字段排序，并且可以以升序或隆序进行排序。在一个正式的 Select 查询之后包含一个 Order By 子句，后跟想排序的字段（可以有多个）便可以说明一个排序顺序。例子：

03

盘点66个Pandas函数，轻松搞定“数据清洗”！

之前黄同学曾经总结过一些Pandas函数，主要是针对字符串进行一系列的操作。在此基础上我又扩展了几倍，全文较长，建议先收藏。

01

Kubernetes Pod资源调度概述

Kubernetes API Server接受客户端提交Pod对象创建请求后的操作过程中，有一个重要的步骤是由调度器程序kube-scheduler从当前集群中选择一个可用的最佳节点来接收井运行它，通常是默认的调度器default-scheduler负责执行此类任务。对于每个待创建的Pod对象来说，调度过程通常分为三个阶段：预选、优选和选定三个步骤，以筛选执行任务的最佳节点。

03

redis常用数据类型和应用场景

GETBIT key offset SETBIT key offset value BITCOUNT key [start] [end] 统计下标范围内值为1的数量 BITOPS op destkey [key…] 多个KEY位运算 OP=AND/OR/XOR/NOT 应用场景：

01

数据分析篇 | Pandas基础用法2

Series 与 DataFrame 支持大量计算描述性统计的方法与操作。这些方法大部分都是 sum()、mean()、quantile() 等聚合函数，其输出结果比原始数据集小；此外，还有输出结果与原始数据集同样大小的 cumsum() 、 cumprod() 等函数。这些方法都基本上都接受 axis 参数，如， ndarray.{sum,std,…}，但这里的 axis 可以用名称或整数指定：

01

Pandas中文官档~基础用法2

Series 与 DataFrame 支持大量计算描述性统计的方法与操作。这些方法大部分都是 sum()、mean()、quantile() 等聚合函数，其输出结果比原始数据集小；此外，还有输出结果与原始数据集同样大小的 cumsum() 、 cumprod() 等函数。这些方法都基本上都接受 axis 参数，如， ndarray.{sum,std,…}，但这里的 axis 可以用名称或整数指定：

01

文本处理，第2部分：OH，倒排索引

这是我的文本处理系列的第二部分。在这篇博客中，我们将研究如何将文本文档存储在可以通过查询轻松检索的表单中。我将使用流行的开源Apache Lucene索引进行说明。

04

Pandas中文官档~基础用法2

Series 与 DataFrame 支持大量计算描述性统计的方法与操作。这些方法大部分都是 sum()、mean()、quantile() 等聚合函数，其输出结果比原始数据集小；此外，还有输出结果与原始数据集同样大小的 cumsum() 、 cumprod() 等函数。这些方法都基本上都接受 axis 参数，如， ndarray.{sum,std,…}，但这里的 axis 可以用名称或整数指定：

02

Pandas中文官档~基础用法2

Series 与 DataFrame 支持大量计算描述性统计的方法与操作。这些方法大部分都是 sum()、mean()、quantile() 等聚合函数，其输出结果比原始数据集小；此外，还有输出结果与原始数据集同样大小的 cumsum() 、 cumprod() 等函数。这些方法都基本上都接受 axis 参数，如， ndarray.{sum,std,…}，但这里的 axis 可以用名称或整数指定：

01

什么是es？

本文为joshua317原创文章,转载请注明：转载自joshua317博客 https://www.joshua317.com/article/286

02

文本获取与搜索引擎中的TF,TF-IDF

coursera课程 text retrieval and search engine 第二周推荐。

01

Redis系列(十一)redis命令全集

总的来说，Redis 是一个基于内存的高性能的键值型数据库，也就是常说的 NoSQL, 可以用来作为数据库或者缓存。并且支持多种数据结构，包括字符串，散列，列表，集合，带有范围查询的排序集，位图，HyperLogLog，具有半径查询的地理空间索引和流。

05

搜索引擎-处理查询

我们从用户的角度来看，用户不关心什么索引结构是倒排还是签名文件，也不需要知道相关排序算法。用户提交了查询，就需要获取满意的搜索结果。这个搜索结果就是搜索引擎是否提供有效的服务。

01

十九种Elasticsearch字符串搜索方式终极介绍

刚开始接触Elasticsearch的时候被Elasticsearch的搜索功能搞得晕头转向，每次想在Kibana里面查询某个字段的时候，查出来的结果经常不是自己想要的，然而又不知道问题出在了哪里。出现这个问题归根结底是因为对于Elasticsearch的底层索引原理以及各个查询搜索方式的不了解，在Elasticsearch中仅仅字符串相关的查询就有19个之多，如果不弄清楚查询语句的工作方式，应用可能就不会按照我们预想的方式运作。这篇文章就详细介绍了Elasticsearch的19种搜索方式及其原理，老板再也不用担心我用错搜索语句啦！

01

Linux—文本内容管理和文件查找

Linux文本内容管理和文件查找 1、文本内容管理命令 1.1文本内容排序 sort //默认升序排序，不是按数值大小排序的 -n //根据数值大小进行排序 -r //逆序排序 -t //字段分隔符 -k //以哪个字段为关键字进行排序 -u //去重，排序后相同的行只显示一次 -f //排序时忽略字符大小写 uniq

05

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭