如何在python中迭代并匹配IP与IP范围（cidr）？

Question

我有一个带有'State'的表，并且关联IP CIDR范围与该状态关联

表A

--------------------------------------------------
| ID         | State       | IP_subnet           |
--------------------------------------------------
| 1          |      CA     |    192.168.1.0/24   |
--------------------------------------------------
| 2          |      TX     |    172.68.7.0/24    |
--------------------------------------------------
| 3          |      NY     |    61.141.47.0/24   |
--------------------------------------------------

我想遍历下表，并将IP字段与IP_subnet字段进行匹配

表B

| ID         |          IP           | 
--------------------------------------
| 1          |      61.141.47.1      |
--------------------------------------
| 2          |      192.168.1.48     | 
--------------------------------------
| 3          |      172.68.7.124     |
--------------------------------------
| 4          |      40.32.123.212    |
--------------------------------------

下面是我想要的结果：（将关联的State与IP匹配）

| ID         |          IP           |      State  |
--------------------------------------------------
| 1          |      61.141.47.1      |      null   |
--------------------------------------------------
| 2          |      192.168.1.48     |      CA     |
--------------------------------------------------
| 3          |      172.68.7.124     |      TX     |
--------------------------------------------------
| 4          |      40.32.123.212    |      NY     |
--------------------------------------------------

我知道下面的代码适用于1个值。如何在IPs列中对另一列进行迭代

from ipaddress import IPv4Address, IPv4Network

IPv4Address('172.68.7.124') in IPv4Network('172.68.7.0/24')

供参考

• 192.168.1.0/24==范围[192.168.1.0至192.168.1.255]
• 172.68.7.0/24==范围[172.68.7.0至172.68.7.255]

初始化列表列表

数据=[[1'，加利福尼亚州'，[192.168.1.0/24'，[2'，德克萨斯州'，[172.68.7.0/24'，['juli'，14]，[3，纽约州，61.141.47.0/24]]

创建数据帧

df=pd.DataFrame（数据，列=['ID'，'State'，'IP\u subnet']）

Answer 1

首先使用2个数据帧查找每个IP的状态，然后基于此字典数据创建新列并加载到原始df中

我认为它可以用更紧凑的方式来完成，但它仍然可以完成任务

import pandas as pd

data = [[1, 'CA', '192.168.1.0/24'], [2, 'TX', '172.68.7.0/24'], [3, 'NY', '61.141.47.0/24']]
df = pd.DataFrame(data, columns=['ID', 'State', 'IP_subnet'])
# replace end of IP
df['IP_subnet'] = df['IP_subnet'].str.replace(r'.0/24', '')

data2 = [[1, '61.141.47.1'], [2, '192.168.1.48'], [3, '172.68.7.124'], [4, '40.32.123.212']]
df2 = pd.DataFrame(data2, columns=['ID', 'IP'])

# match IP with state
data = {}
for index, row in df.iterrows():
    ww = df2[df2['IP'].str.contains(row['IP_subnet'])]
    data[ww['IP'].values[0]] = row['State']

# create State column
state_data = []
for index, row in df2.iterrows():
    if row['IP'] in data:
        state_data.append(data.get(row['IP']))
    else:
        state_data.append('NaN')

df2['State'] = state_data

输出：

   ID             IP State
0   1    61.141.47.1    NY
1   2   192.168.1.48    CA
2   3   172.68.7.124    TX
3   4  40.32.123.212   NaN