listar todas as urls do seu projeto Django

Não pense em um porquê, mas imagine que um dia você precisa listar todas as urls de seu projeto Django, com caminho completo e parâmetros de forma organizada.

Como você faria?

Há algumas formas de escrever isso, mas o django-extensions tem algo pronto.

$ ./manage.py show_urls

pronto.
sim, só isso!

=]

deletar arquivos no terminal por intervalo de datas

Para deletar arquivos filtrando por um período de datas específico, usar o find é a saída:

find ./ -type f -newermt 2015-01-01 ! -newermt 2015-08-01 -delete

O find possui o parâmetro -delete tornando mais simples esse tipo de operação.

=]

encurtando urls no google usando python

É bom avisar logo que é bem tranquilo de fazer.

Antes de começar, é preciso que você crie um chave da API no console do google developers. As instruções você encontra aqui.

Bem, esse é o código.

import requests

import json

api_url = 'https://www.googleapis.com/urlshortener/v1/url'

api_key = 'AIzaSyD-wgUbjlaBOORxF0mrXzeNsOOafKrnw0U'

url = '{0}?key={1}'.format(api_url, api_key)

headers = {'content-type': 'application/json'}

params = json.dumps({'longUrl': 'http://www.google.com'})

response = requests.post(url, data=params, headers=headers)

if response.ok:

print (response.json()['id'])

else:

print (response.status_code, response.reason)

Algumas notas:
- não esquecer de passar no header o content-type
- o pacote requests só da alegria
- no requests.post() não passar os parâmetros usando 'params', a chave correta é 'data' (não que você vá esquecer ou confundir, mas como eu fiz, não custa avisar).

=]

Pesquisa sobre Class Based Views

Agradeço se puder preencher.

Powered by Typeform

=]

extraindo colunas de csv e excel usando pandas

(ou criando subsets de dados usando pandas)

Já mostrei como é fácil ler e exportar dados de arquivo csv ou xls usando pandas, mas digamos que diante de um dataset com várias colunas, você precise isolar algumas.

Dado o seguinte:

In [1]:

import pandas as pd

In [3]:

dados = pd.read_csv('file.csv')

In [4]:

dados

Out[4]:

	a	b	c	d
0	1	2	3	4
1	5	6	7	8

Caso você queira um range de colunas você pode:

In [5]:

dados.ix[:,1:3]

Out[5]:

	b	c
0	2	3
1	6	7

Caso queira separar pelo header:

In [6]:

dados[['b','d']]

Out[6]:

	b	d
0	2	4
1	6	8

Após isso, em ambos, caso queira os dados de uma coluna, basta usar:

In [7]:

novo = dados[['b', 'd']]

In [8]:

novo['b']

Out[8]:

0    2
1    6

=]

ps: usei o https://try.jupyter.org/ para construir esses exemplos e, lá, sempre são impressos à esquerda o número das colunas.