Python中展平track_ip字典嵌套列表并保留IP元素逗号分隔

我需要构建一个track_ip字典，用source_ip作为键，对应的值是该源IP对应的所有destination_ip的列表（允许重复）。同时还要计算两个衍生列：time_since_last（同一源IP上次事件的间隔时间）和diff_destination_ip（当前目标IP是否与之前的不同）。但当前代码中因为初始值是字符串，后续追加时会生成嵌套列表，展平又会拆分IP字符，导致无法保留完整的IP元素。

精简数据集示例 #

df.head(10).to_dict('list')

{'source_ip': ['135.b1d10.d1c38.20',
  '135.0777d.04511.237',
  '135.0777d.04511.237',
  '135.b1d10.d1c38.119',
  '135.b1d10.13fe9.56',
  '135.b1d10.d1c38.72',
  '135.b1d10.d1c38.126',
  '135.0777d.04511.237',
  '135.0777d.04511.237',
  '135.0777d.04511.237'],
 'destination_ip': ['135.0777d.04511.237',
  '135.b1d10.13fe9.91',
  '135.b1d10.13fe9.71',
  '135.0777d.04511.237',
  '135.0777d.04511.237',
  '135.0777d.04511.237',
  '135.0777d.04511.237',
  '135.b1d10.d1c38.37',
  '135.b1d10.d1c38.112',
  '135.b1d10.d1c38.20'],
 'start_time': [1415749946,
  1415477729,
  1415702327,
  1415754478,
  1415749597,
  1415745508,
  1415754317,
  1415427333,
  1415584036,
  1415582789]}

原代码问题分析 #

原代码的核心问题是：首次添加目标IP时用字符串存储，后续追加时将现有值与新IP打包成列表，导致嵌套结构；展平时使用extend方法，若现有值是字符串，extend会将其拆分为单个字符，破坏IP的完整性。

修正后的代码 #

核心思路是从一开始就将track_ip的初始值设为列表，后续直接用append追加元素，彻底避免嵌套列表的产生：

import numpy as np
import pandas as pd

df = pd.read_csv('df.csv')

# 初始化衍生列
df['time_since_last'] = 0
df['diff_destination_ip'] = 0

last_time = dict()
track_ip = dict()

for i, row in df.iterrows():
    src_ip = row['source_ip']
    dst_ip = row['destination_ip']
    
    if src_ip in last_time:
        # 计算当前事件与上次事件的时间间隔
        df.loc[i, 'time_since_last'] = row['start_time'] - last_time[src_ip]
        # 判断当前目标IP是否未出现在历史记录中
        if dst_ip not in track_ip[src_ip]:
            df.loc[i, 'diff_destination_ip'] = 1
    
    # 更新当前源IP的最后事件时间
    last_time[src_ip] = row['start_time']
    
    # 维护目标IP列表：初始就用列表存储，避免嵌套
    if src_ip in track_ip:
        track_ip[src_ip].append(dst_ip)
    else:
        track_ip[src_ip] = [dst_ip]

效果验证 #

运行修正后的代码后，track_ip会生成完全扁平的结构，不会拆分IP字符：

print(track_ip)
# 输出：
{'135.b1d10.d1c38.20': ['135.0777d.04511.237'], 
 '135.0777d.04511.237': ['135.b1d10.13fe9.91', '135.b1d10.13fe9.71', '135.b1d10.d1c38.37', '135.b1d10.d1c38.112', '135.b1d10.d1c38.20'], 
 '135.b1d10.d1c38.119': ['135.0777d.04511.237'], 
 '135.b1d10.13fe9.56': ['135.0777d.04511.237'], 
 '135.b1d10.d1c38.72': ['135.0777d.04511.237'], 
 '135.b1d10.d1c38.126': ['135.0777d.04511.237']}

可选：匹配期望的混合结构（单个IP用字符串） #

如果需要和预期输出完全一致（单个目标IP时用字符串，多个时用列表），可在循环结束后添加一段后处理代码：

# 将仅含一个元素的列表转为字符串
for src in track_ip:
    if len(track_ip[src]) == 1:
        track_ip[src] = track_ip[src][0]

处理后即可得到完全符合期望的输出结果。

内容的提问来源于stack exchange，提问作者Mehran