如何使用Pandas对含IP地址列的CSV文件正确排序？

针对你遇到的IP排序问题，这里提供两种可靠的pandas解决方案，确保IP按四段十进制规则升序排列，同时同步MAC、ID等关联数据：

方法一：使用ipaddress模块（推荐） #

利用Python内置的ipaddress模块将IP字符串转换为IPv4对象，这类对象会自动按IP规则比较大小，完美解决排序问题：

import pandas as pd
import ipaddress

# 读取CSV文件
df = pd.read_csv("your_input.csv")

# 按IP地址列排序，key参数通过apply逐个转换IP为IPv4对象
df_sorted = df.sort_values(by="IP Address", key=lambda x: x.apply(ipaddress.IPv4Address))

# 保存排序后的结果（去掉index避免生成多余列）
df_sorted.to_csv("sorted_output.csv", index=False)

你之前直接用key=ipaddress.IPv4Address报错，是因为sort_values的key参数需要接收整个Series并返回排序键，而ipaddress.IPv4Address只能处理单个字符串，所以需要用lambda结合apply来逐个转换每个IP值。

方法二：拆分IP为四段整数排序 #

如果不想依赖ipaddress模块，可以把IP拆分成四个整数列，按多列排序：

import pandas as pd

df = pd.read_csv("your_input.csv")

# 将IP地址按`.`拆分，生成四个整数列
df[["ip_segment1", "ip_segment2", "ip_segment3", "ip_segment4"]] = df["IP Address"].str.split(".", expand=True).astype(int)

# 按四段整数依次升序排序
df_sorted = df.sort_values(by=["ip_segment1", "ip_segment2", "ip_segment3", "ip_segment4"])

# 删除临时生成的拆分列
df_sorted = df_sorted.drop(columns=["ip_segment1", "ip_segment2", "ip_segment3", "ip_segment4"])

# 保存结果
df_sorted.to_csv("sorted_output.csv", index=False)

为什么之前的方法失效？ #

• 直接用sort_values()无key参数：会把IP当作普通字符串按字典序排序，导致10.10.10.112排在10.10.10.17前面（字符串比较中"112"的第二个字符'1'小于"17"的'7'）。
• 用sorted()单独排IP列表：只能得到排序后的IP序列，无法同步关联的MAC、ID数据，因为sorted不处理DataFrame的行关联关系。

内容的提问来源于stack exchange，提问作者Amitay Tadmor