我有一个巨大的 NetFlow 数据库,(它包含时间戳、源 IP、目标 IP、协议、源和目标端口号、交换的数据包、字节等)。我想根据当前行和以前的行创建自定义属性。
我想根据当前行的源 ip 和时间戳计算新列。这是我想要在逻辑上做的事情:
- 获取当前行的源 ip。
- 获取当前行的时间戳。
- 根据源 IP 和时间戳,我想获取与源 IP 匹配的整个数据帧的所有先前行,并且通信发生在最后半小时内。这个非常重要。
- 对于符合条件的行(在我的示例中为流)(源 ip 并且发生在过去半小时内),我想计算所有数据包和所有字节的总和和平均值。
相关代码片段:
df = pd.read_csv(path, header = None, names=['ts','td','sa','da','sp','dp','pr','flg','fwd','stos','pkt','byt','lbl'])
df['ts'] = pd.to_datetime(df['ts'])
def prev_30_ip_sum(ts,sa,size):
global joined
for (x,y) in zip(df['sa'], df['ts']):
...
return sum
df['prev30ipsumpkt'] = df.apply(lambda x: prev_30_ip_sum(x['ts'],x['sa'],x['pkt']), axis = 1)
我知道可能有更好、更有效的方法来做到这一点,但遗憾的是我不是最好的程序员。
谢谢。