python - Pandas - 检查数据框中的重复模式

Question

我目前正在尝试用熊猫分析网络数据。我一直在阅读其他帖子，最接近我的问题的是Pandas - Find and index rows that match row sequence pattern。

我的数据框如下所示：

我正在尝试检查某些包裹是否丢失并计算丢失包裹的数量。因此，我想定义一个窗口或矩阵，这里是 2x2。然后定义一个模式，在这种情况下它将是.

现在我想检查窗口是否完全是一个循环窗口。如果可能的话，这应该在一个额外的列中完成，给我 false 或 true（或 nan）。我已经在我的代码的以下示例中尝试了这一点。

在第一个示例中，我尝试通过迭代行来检查它。我的第三个示例更符合我的要求：使用滚动命令，我定义了一个窗口和一个模式，代码应该检查行，但我得到一个错误，因为模式是一个字符串。这就是我希望它看起来的样子。

import pandas as pd

df = pd.read_csv('你好')

在这里我过滤掉干扰

   Protocol_filtered = df[df['Protocol']== 'ICMP']
   Protocol_filtered1 = Protocol_filtered[['Time','Source','Destination','Info']] 
   Protocol_filtered1 = Protocol_filtered1.reset_index(drop=True)

我开始检查丢失的包裹

    s0 = 0
    s1 = 1

   for row in Protocol_filtered1.iterrows():
  while s1 <= len (Protocol_filtered1):
    source = Protocol_filtered1.loc[s0,'Source']
    dest = Protocol_filtered1.loc[s1,'Destination']

    if source == dest:
        Protocol_filtered1['Check']= True
    else:
        Protocol_filtered1['Check']= False
    
    source1 = Protocol_filtered1.loc[s1,'Source']
    dest1 = Protocol_filtered1.loc[s0,'Destination']
    


    if source1 == dest1:
        Protocol_filtered1['Check1']= True
    else:
        Protocol_filtered1['Check1']= False

    s0 = s0 + 2
    s1 = s1 + 2  

这段代码的结果不是我想要的结果，因为它在第 2 行给了我一个真值，它应该是假的。

以下代码的逻辑是正确的，但它会检查每一行的 i，而它应该始终同时检查两个连续的行 (0 & 1, 2&3 ,4&5 ...)：

pattern = ['192.168.20.35', '192.168.20.31']
i = (Protocol_filtered1['Source'] == '192.168.20.35') &         (Protocol_filtered1['Source'].shift(-1) == '192.168.20.31')
i &= (Protocol_filtered1['Destination'] == '192.168.20.31') & (Protocol_filtered1['Destination'].shift(-1)== '192.168.20.35')

Protocol_filtered1.index[i]

Protocol_filtered1 ['Check1'] = i

这里的结果是（应该是：检查：真、真、假、假、真、真）：

我在论坛中找到并尝试应用的一个非常优雅的解决方案是：

pattern = ['192.168.20.35', '192.168.20.31']
obs = len(pattern)
Protocol_filtered1['S1'] = (Protocol_filtered1['Source']
                        .rolling(window = obs, min_periods = )
                        .apply(lambda x: (x==pattern).all())
                        .astype(bool)
                        .shift(-1*(obs-1)))

但是我的代码似乎也存在问题。我更喜欢最后一个解决方案，我可以定义特定的模式和窗口的大小，然后让 pandas 遍历所有数据框，然后我可以使用 isnull() 计算丢失的包裹数量。

我真的很感激一些帮助！非常感谢！

标签： pythonpandasdataframepattern-matching