小编Alb*_*ino的帖子

我创建了一个简单的脚本，它遍历我需要 ping 和 nslookup 的服务器列表。问题是，ping 可能需要一些时间，尤其是 ping 比一天中的秒数更多的服务器。

我对编程相当陌生，我知道多处理或多线程可能是使我的工作运行得更快的解决方案。

我的计划是获取我的服务器列表和 1. 将它分成大小均匀的列表，列表的数量与线程/进程匹配，或者 2. 如果这些选项之一支持它，则遍历单个列表，每个列表都传递一个新的在完成之前的 ping 和 nslookup 后，线程或进程的服务器名称。这是可取的，因为它确保我花费最少的时间，就好像列表 1 有 200 个离线服务器而列表 6 有 2000 个，它需要等待使用列表 6 的过程完成，即使所有其他人在那个时候都是免费的观点。

1. 哪一个更适合这项任务，为什么？

2. 如果可能，我将如何确保每个线程或进程具有基本相同的运行时

代码片段即使现在相当简单

import subprocess
import time
server_file = open(r"myfilepath", "r")
initial_time = time.time()
for i in range(1000):
    print(server_file.readline()[0:-1]+ ' '+str(subprocess.run('ping '+server_file.readline()[0:-1]).returncode)) #This returns a string with the server name, and return code,
print(time.time()-initial_time)

出现此问题是因为每次失败的 ping 平均需要 3 秒以上。此外，我知道不放置打印语句会使它更快，但我想监视它的一个小案例。我正在对 100,000 台服务器的影响进行 ping 操作，这将需要定期执行，并且该列表将继续增长

我有一个程序需要读取电子邮件并验证它们是否来自本月，然后再继续。

我通过以下代码获取电子邮件信息

import email
import smtplib
import imaplib
mail = imaplib.IMAP4_SSL('redacted', 993)
mail.login(username, bytes(password).decode('utf-8')) #password is bytes that have been decrypted
msg_data2 = [] #My template allows for multiple email data to be appended
mailbox_data = mail.list()
mail.select('INBOX', readonly=True)
result, msg_ids = mail.search(None, f'(SEARCH CRITERIA REDACTED)')
lister = msg_ids[0].split()
most_recent = lister[-1]
result2, msg_data = mail.fetch(most_recent, '(RFC822)')
msg_data2.append(msg_data)
raw = email.message_from_bytes(msg_data[0][1])

从这里，我可以从我的电子邮件中获取符合搜索条件的附件，以前，供应商会根据其工作运行的月份正确命名文件。现在有些不是，所以我试图检查电子邮件发送或接收的日期。

我需要限制数据集，以便它仅返回包含特定字符串的行，但是，该字符串可以存在于许多 (8) 列中。

我怎样才能做到这一点？我见过 str.isin 方法，但它返回单行的单个系列。如何删除任何列中包含该字符串的任何行。

示例代码如果我有由生成的数据帧 df

 import pandas as pd
    data = {'year': [2011, 2012, 2013, 2014, 2014, 2011, 2012, 2015], 
        'year2': [2012, 2016, 2015, 2015, 2012, 2013, 2019, 2016],
        'reports': [52, 20, 43, 33, 41, 11, 43, 72]}
    df = pd.DataFrame(data, index = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
    df    

   year  year2  reports
a  2011   2012       52
b  2012   2016       20
c  2013   2015       43
d  2014   2015       33
e  2014   2012       41
f  2011 …