Uso do comando find para organizar diretórios

•  Identificar o espaço em disco usado:

du -shc /srv/www/users/*

•  Identificar o número de arquivos:

find /srv/www/users -type f | wc -l

• Remover arquivos com data de acesso igual ou superior a 30 dias; o parâmetro ctime é para criação e modificação e o tempo é múltiplo de 24hs ou seja +1 representa 2 dias atráz.

find /srv/www/users -type f -atime +30 -delete

Remover diretorios com zero bytes

find /srv/www/users -type d -empty -delete

Remover arquivos com tamanho menor que 1 Kbytes

find /srv/www/users -type f -size -1k -delete

Como saber qual o Bounding Box, Envelope ou Retângulo Envolvente dos dados vetoriais

 

Quando você está precisando saber o retângulo envolvente de um shapefile pode utilizar o comando ogrinfo para saber esta informação pois o mesmo possui o atributo Extent que mostra exatamente o ponto inferior esquerdo e o superior direito conforme pode ser visto na figura abaixo.

O comando:

ogrinfo -so -rl mun_pa.shp
INFO: Open of `mun_pa.shp'
      using driver `ESRI Shapefile' successful.
Layer name: mun_pa
Metadata:
  DBF_DATE_LAST_UPDATE=2020-04-28
Geometry: Polygon
Feature Count: 144
Extent: (-58.898324, -9.841162) - (-46.060951, 2.591028)
Layer SRS WKT:
GEOGCRS["WGS 84",
    DATUM["World Geodetic System 1984",
        ELLIPSOID["WGS 84",6378137,298.257223563,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["latitude",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["longitude",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    ID["EPSG",4326]]
Data axis to CRS axis mapping: 2,1
NM_MUNICIP: String (254.0)
CD_GEOCMU: String (254.0)
gid: Integer (4.0)
id_0: Integer (2.0)
id_1: Integer (2.0)

Filtragem de datas em série temporal utilizando o Python Pandas

 Estou trabalhando com um conjunto de dados da estação meteorológica automática de Taubaté, cujos dados foram obtidos em https://tempo.inmet.gov.br/TabelaEstacoes/A728 .

Para leitura dos dados com Python Pandas utilizei:

df = pd.read_csv('./TAUBATE_A728.csv', 
                 sep=';', 
                 skiprows=1, 
                 parse_dates=[[0,1]], dayfirst=True,
                 index_col=0,
                 usecols= [0,1,3,7,14,15,16,18],
                 decimal= ',',
                 dtype={'Temp. Max. (C)': np.float64, 
                        'Umi. Min. (%)': np.float64, 
                        'Vel. Vento (m/s)': np.float64, 
                        'Dir. Vento (m/s)': np.float64, 
                        'Raj. Vento (m/s)': np.float64, 
                        'Chuva (mm)': np.float64}
                )

Note que utilizei vários parâmetros para definir o índice do DataFrame como sendo a união dos campos data e hora que originalmente estão separados. Também fiz a escolha das colunas que me interessavam e defini o tipo do dado a ser manipulado.

Uma primeira forma de filtrar é utilizando o padrão normalmente utilizado em qualquer coluna, porém considerando o índice do DataFrame:

df[df.index.month == 6]

A segunda forma é mais indicada para a situação pois ela considera o índice temporal:

df['2020-06-02']

Eu recomendo visitar o seguinte tutorial