在 Pandas 中将 IP 地址转换为整数答案

【问题标题】：Convert IP address to integer in Pandas在 Pandas 中将 IP 地址转换为整数
【发布时间】：2020-03-20 06:26:03
【问题描述】：

我有一个 Pandas 数据框，如下所示，我正在尝试将 IP 地址转换为整数。

    install Network subnet_bits Next    Hop AS1 AS2 AS3 AS4 
0   *   1.0.0.0 24.0    202.12.28.1 0   4777    13335   i   NaN NaN 
1   *   1.0.4.0 22.0    202.12.28.1 0   4777    6939    4826    38803   56203
2   *   1.0.4.0 24.0    202.12.28.1 0   4777    6939    4826    38803   56203

我正在使用ipaddress 库。似乎该指数正在阻碍。我不知道如何轻松地将 UP 地址转换为整数。

这是我的代码：

try:
    network = int(ipaddress.IPv4Address(df['Network']))
    print(network)
except ValueError:
    print('address/netmask is invalid for IPv4:', df.Network)

这是错误信息：

address/netmask is invalid for IPv4: 

0             1.0.0.0
1             1.0.4.0
2             1.0.4.0

【问题讨论】：

* 属于哪一列？
您希望int(ipaddress.IPv4Address(...)) 的结果是什么？一个IP地址是四个数字，你想怎么转换成一个数字？
@kaya3 IPv4 地址具有明确的表示为 32 位无符号整数。我想我们甚至可以说这是 IPv4 地址的原生格式！例如：en.wikipedia.org/wiki/IPv4#Addressing
@pabouk 不是很明确 - 它可以是大端或小端。此外，如果 OP 是这个意思，那么他们的问题需要这么说，因此我要求澄清。
@kaya3 IPv4 标头中的 32 位字段是 IP 地址的本机格式。 RFC datatracker.ietf.org/doc/html/rfc790 描述了位的顺序（您可以将其称为 32 位字段的字节顺序），还显示了对最常见的文本符号 - 点分十进制的转换。除了这种 IPv4 地址表示法之外，还有许多主要网络库和工具中实现的无点表示法（十进制的无符号整数 32 位）。试试这个：ping 2130706433 (2130706433 == 0x7f000001) 和ping 127.0.0.1一样

标签： python pandas integer ip-address

【解决方案1】：

我认为你的问题是ipaddress.IPv4Address 不支持在列上明智的操作向量。

试试这个：

df['int_network'] = df['Network'].apply(lambda x: int(ipaddress.IPv4Address(x)))

另外，请确保在调试时在try, catch 中打印出原始错误消息和堆栈跟踪。

【讨论】：

【解决方案2】：

你可以像这样转换成整数：

import socket
import struct

def ip2int(addr):
    return struct.unpack("!I", socket.inet_aton(addr))[0]

dff=io.StringIO("""ms network subnet dest unk ASN1, ASN2, ASN3, ASN4, ASN5
0 * 1.0.0.0 24.0 202.12.28.1 0 4777 13335 i NaN NaN
1 * 1.0.4.0 22.0 202.12.28.1 0 4777 6939 4826 38803 56203
2 * 1.0.4.0 24.0 202.12.28.1 0 4777 6939 4826 38803 56203""")

sub = pd.read_csv(dff, sep=' ')     

sub.network.apply(lambda x: ip2int(x)) 
#0    16777216
#1    16778240
#2    16778240
#Name: network, dtype: int64

```

【讨论】：

【解决方案3】：

您可以使用库 DataPrep 中的函数 clean_ip。使用pip install dataprep 安装它。

from dataprep.clean import clean_ip
df = pd.DataFrame({"Network": ["1.0.0.0", "1.0.4.0", "1.0.4.0"]})

df2 = clean_ip(df, "Network", output_format="integer")
# print(df2)
   Network  Network_clean
0  1.0.0.0       16777216
1  1.0.4.0       16778240
2  1.0.4.0       16778240

【讨论】：