Python 合并/连接两个数据帧,一个具有IP地址,一个具有IP网络
我有两个数据帧,一个包含IP地址(Python 合并/连接两个数据帧,一个具有IP地址,一个具有IP网络,python,pandas,dataframe,ip-address,Python,Pandas,Dataframe,Ip Address,我有两个数据帧,一个包含IP地址(df_IP),一个包含IP网络(df_network)。 IP和网络的类型为ipaddress.IP\u address和ipaddress.IP\u network,可以检查IP是否位于网络中(IP in network) 数据帧如下所示: df_ip: IP 0 10.10.10.10 1 10.10.20.10 2 10.10.20.20 df_network: NETWORK NETWORK_NAME 0
df_IP
),一个包含IP网络(df_network
)。IP和网络的类型为
ipaddress.IP\u address
和ipaddress.IP\u network
,可以检查IP是否位于网络中(IP in network
)
数据帧如下所示:
df_ip:
IP
0 10.10.10.10
1 10.10.20.10
2 10.10.20.20
df_network:
NETWORK NETWORK_NAME
0 10.10.10.0/28 Subnet1
1 10.10.20.0/27 Subnet2
我想将df_ip
与df_network
合并/加入,添加每行ip所在的网络名称。对于这个小实例,它应该返回以下内容:
df_merged:
IP NETWORK_NAME
0 10.10.10.10 Subnet1
1 10.10.20.10 Subnet2
2 10.10.20.20 Subnet2
我的实际数据帧要大得多,因此我不希望使用for循环来保持效率。我如何才能最好地实现这一点?如果这需要更改数据类型,那没关系 注意:为了方便起见,我在下面添加了代码来创建数据
将熊猫作为pd导入
导入IP地址
#创建小型IP数据帧
values_ip=[ipaddress.ip_address('10.10.10.10'),
ip地址。ip地址('10.10.20.10'),
ip地址。ip地址('10.10.20.20')]
df_ip=pd.DataFrame()
df_ip['ip']=值
#创建小型网络数据帧
values_network=[ipaddress.ip_network('10.10.10.0/28'),
ip地址ip_网络('10.10.20.0/27')]
名称\u网络=['Subnet1',
'子网2']
df_network=pd.DataFrame()
df_网络['network']=值_网络
df_网络['network_NAME']=名称_网络
避免任何循环的有效方法是使用numpy数组检查whereip&netmask==网络地址,这就是如何检查ip是否位于网络中
请注意,这只返回第一个匹配的网络名称
import numpy as np
net_masks = df_network.NETWORK.apply(lambda x: int(x.netmask)).to_numpy()
network_addresses = df_network.NETWORK.apply(lambda x: int(x.network_address)).to_numpy()
def get_first_network(ip):
is_in_network = int(ip) & net_masks == network_addresses
indices = np.argwhere(is_in_network)
if indices.size>0:
return df_network.loc[int(indices[0]), 'NETWORK_NAME' ]
else:
None
df_ip['network_name'] = df_ip.IP.apply(get_first_network)
其结果是:
IP network_name
0 10.10.10.10 Subnet1
1 10.10.20.10 Subnet2
2 10.10.20.20 Subnet2