python - 将 IP 排序为数字八位字节集(__not__ 字典顺序)

Question

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。

Answer 1

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