Skip to main content
 首页 » 编程设计

python之将 IP 排序为数字八位字节集(__not__ 字典顺序)

2024年12月31日11bluestorm

我希望通过 IP 地址按升序对特定列“D”的每一行/单元格中的条目进行排序。这些条目存储在一个新行中,并且在 IP 的末尾列出了相关的协议(protocol)和端口,我并不关心仅对 IP 地址的 4 个八位字节进行排序。我觉得这需要某种带有某种 lambda 函数的正则表达式。有时可能会有主机名而不是 IP 地址。

示例数据框为:

ID    A     B     C     D 
1     x     x     x     10.0.0.50/TCP/50 
                        192.168.1.90/TCP/51 
                        server1/TCP/80 
                        10.0.0.9/TCP/78 
2     y     y     y     192.168.3.90/UDP/53 
                        10.0.4.10/TCP/65 
                        10.0.3.4/TCP/34 
                        host1/UDP/80 
3     z     z     z     10.0.0.40/TCP/80 
                        10.0.0.41/TCP/443 
                        192.168.2.70/UDP/98 
                        10.0.0.9/TCP/12 

期望的输出是:

ID    A     B     C     D 
 1    x     x     x     10.0.0.9/TCP/78 
                        10.0.0.50/TCP/50 
                        192.168.1.90/TCP/51 
                        server1/TCP/80                    
 2    y     y     y     10.0.3.4/TCP/34 
                        10.0.4.10/TCP/65 
                        192.168.3.90/UDP/53 
                        host1/UDP/80 
 3    z     z     z     10.0.0.9/TCP/12 
                        10.0.0.40/TCP/34 
                        10.0.0.41/TCP/443 
                        192.168.2.70/UDP/98 

为了实现上述数据帧,我最初使用 groupby 组合 D 行,但 IP 地址不按顺序排列:

df = df.groupby(['ID','A','B','C'], sort=False, as_index=False)['D'].apply('\n'.join) 

如果可能的话,同时组合和排序可能比 2 个单独的命令更有效??

任何想法非常感谢我已经看过几个例子,但似乎没有一个合适。希望我的解释足够清楚,在此先感谢您的帮助。

请您参考如下方法:

假设您有原始 DF,在分组之前:

In [70]: df 
Out[70]: 
     ID  A  B  C                    D 
0   1.0  x  x  x     10.0.0.50/TCP/50 
1   1.0  x  x  x  192.168.1.90/TCP/51 
2   1.0  x  x  x       server1/TCP/80 
3   1.0  x  x  x      10.0.0.9/TCP/78 
4   2.0  y  y  y  192.168.3.90/UDP/53 
5   2.0  y  y  y     10.0.4.10/TCP/65 
6   2.0  y  y  y      10.0.3.4/TCP/34 
7   2.0  y  y  y         host1/UDP/80 
8   3.0  z  z  z     10.0.0.40/TCP/80 
9   3.0  z  z  z    10.0.0.41/TCP/443 
10  3.0  z  z  z  192.168.2.70/UDP/98 
11  3.0  z  z  z      10.0.0.9/TCP/12 

选项 1: 多索引 DF:

In [69]: (df.assign(x=df.D.replace(['/.*',r'\b(\d{1})\b',r'\b(\d{2})\b'], 
    ...:                           ['',r'00\1',r'0\1'], 
    ...:                           regex=True)) 
    ...:    .sort_values('x') 
    ...:    .groupby(['ID','A','B','C'], sort=False, as_index=False)['D'] 
    ...:    .apply('\n'.join) 
    ...:    .to_frame('D')) 
    ...: 
    ...: 
Out[69]: 
                                                           D 
ID  A B C 
1.0 x x x  10.0.0.9/TCP/78\n10.0.0.50/TCP/50\n192.168.1.9... 
3.0 z z z  10.0.0.9/TCP/12\n10.0.0.40/TCP/80\n10.0.0.41/T... 
2.0 y y y  10.0.3.4/TCP/34\n10.0.4.10/TCP/65\n192.168.3.9... 

选项 2:常规 DF:

In [75]: (df.assign(x=df.D.replace(['/.*',r'\b(\d{1})\b',r'\b(\d{2})\b'], 
    ...:                           ['',r'00\1',r'0\1'], 
    ...:                           regex=True)) 
    ...:    .sort_values('x') 
    ...:    .groupby(['ID','A','B','C'], sort=False, as_index=False)['D'] 
    ...:    .apply('\n'.join) 
    ...:    .reset_index(name='D')) 
    ...: 
    ...: 
Out[75]: 
    ID  A  B  C                                                  D 
0  1.0  x  x  x  10.0.0.9/TCP/78\n10.0.0.50/TCP/50\n192.168.1.9... 
1  3.0  z  z  z  10.0.0.9/TCP/12\n10.0.0.40/TCP/80\n10.0.0.41/T... 
2  2.0  y  y  y  10.0.3.4/TCP/34\n10.0.4.10/TCP/65\n192.168.3.9... 

以下内容可能有助于理解其工作原理:

添加一个带有零填充 IP 八位字节的虚拟列 x:

In [71]: df.assign(x=df.D.replace(['/.*',r'\b(\d{1})\b',r'\b(\d{2})\b'], 
    ...:                           ['',r'00\1',r'0\1'], 
    ...:                           regex=True)) 
    ...: 
    ...: 
Out[71]: 
     ID  A  B  C                    D                x 
0   1.0  x  x  x     10.0.0.50/TCP/50  010.000.000.050 
1   1.0  x  x  x  192.168.1.90/TCP/51  192.168.001.090 
2   1.0  x  x  x       server1/TCP/80          server1 
3   1.0  x  x  x      10.0.0.9/TCP/78  010.000.000.009 
4   2.0  y  y  y  192.168.3.90/UDP/53  192.168.003.090 
5   2.0  y  y  y     10.0.4.10/TCP/65  010.000.004.010 
6   2.0  y  y  y      10.0.3.4/TCP/34  010.000.003.004 
7   2.0  y  y  y         host1/UDP/80            host1 
8   3.0  z  z  z     10.0.0.40/TCP/80  010.000.000.040 
9   3.0  z  z  z    10.0.0.41/TCP/443  010.000.000.041 
10  3.0  z  z  z  192.168.2.70/UDP/98  192.168.002.070 
11  3.0  z  z  z      10.0.0.9/TCP/12  010.000.000.009 

按虚拟列 x 对 DF 进行排序:

In [72]: (df.assign(x=df.D.replace(['/.*',r'\b(\d{1})\b',r'\b(\d{2})\b'], 
    ...:                           ['',r'00\1',r'0\1'], 
    ...:                           regex=True)) 
    ...:    .sort_values('x')) 
    ...: 
    ...: 
Out[72]: 
     ID  A  B  C                    D                x 
3   1.0  x  x  x      10.0.0.9/TCP/78  010.000.000.009 
11  3.0  z  z  z      10.0.0.9/TCP/12  010.000.000.009 
8   3.0  z  z  z     10.0.0.40/TCP/80  010.000.000.040 
9   3.0  z  z  z    10.0.0.41/TCP/443  010.000.000.041 
0   1.0  x  x  x     10.0.0.50/TCP/50  010.000.000.050 
6   2.0  y  y  y      10.0.3.4/TCP/34  010.000.003.004 
5   2.0  y  y  y     10.0.4.10/TCP/65  010.000.004.010 
1   1.0  x  x  x  192.168.1.90/TCP/51  192.168.001.090 
10  3.0  z  z  z  192.168.2.70/UDP/98  192.168.002.070 
4   2.0  y  y  y  192.168.3.90/UDP/53  192.168.003.090 
7   2.0  y  y  y         host1/UDP/80            host1 
2   1.0  x  x  x       server1/TCP/80          server1