python - 根据组的频率计数添加新列

Question

如果我的标题不太具有描述性，我深表歉意。但这就是我想要实现的目标:-

我有一个包含 2 个字段的数据帧，即 TCP 流量的源端口和目标端口。数据帧的 csv 转储看起来像这样:-

srcp    dstp
55647    22
22       55670
2222    56354
55670   22
55670   22
2222    56354
56362   139
22      55670
22      55670
56354   2222
22      55670
56354   2222

第 1 列是源端口，第 2 列是目标端口。

我想查看源端口-目标端口对并获取它们的频率并将其存储在新的列频率中。换句话说，对于上面的例子，我想这样做:-

  55647 22    1
  22   55670  6
  2222 56354  4
  55670 22    6
  55670 22    6
  2222  56354 4
  56362 139   1
  22    55670 6
  22    55670 6
  56354 2222  4
  22    55670 6
  56354 2222  4

正如您所看到的，端口 2222-5634 的频率为 4(因为流量可以在任一方向流动，因此需要将它们识别为一个连接)，因此值 4 在对应于的频率列单元格中重复目标/源端口中的值 2222-56354。

由于仍在 python 中攀登阶梯，我想知道如何实现这一目标。

Answer 1

首先按 numpy.sort 对每行的所有值进行排序然后groupby与 transform功能size :

注意:size 和 count 之间的差异是 count 而不是 NaN 值。

df['a'] = pd.DataFrame(np.sort(df.values, 1)).groupby([0,1])[0].transform('size')
print (df)
     srcp   dstp  a
0   55647     22  1
1      22  55670  6
2    2222  56354  4
3   55670     22  6
4   55670     22  6
5    2222  56354  4
6   56362    139  1
7      22  55670  6
8      22  55670  6
9   56354   2222  4
10     22  55670  6
11  56354   2222  4

类似:

df['a'] =  pd.DataFrame(np.sort(df.values, 1))
             .groupby(list(range(len(df.columns))))[0]
             .transform('size')
print (df)

     srcp   dstp  a
0   55647     22  1
1      22  55670  6
2    2222  56354  4
3   55670     22  6
4   55670     22  6
5    2222  56354  4
6   56362    139  1
7      22  55670  6
8      22  55670  6
9   56354   2222  4
10     22  55670  6
11  56354   2222  4