You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

如何按秒级时间间隔统计192.168.1.128的出现次数

按秒统计指定IP出现次数的解决方案

输入数据集

Time           Source
  2022-11-27 09:19:27    192.168.1.128
  2022-11-27 09:19:27    152.199.19.161
  2022-11-27 09:19:27    192.168.1.128
  2022-11-27 09:19:27    192.168.1.128
  2022-11-27 09:19:28    142.250.186.67
  2022-11-27 09:19:29    192.168.1.128
  2022-11-27 09:19:29    192.168.1.128
  2022-11-27 09:19:30    192.168.1.128
  2022-11-27 09:19:30    142.250.186.67

期望输出

Time       Count 
  2022-11-27 09:19:27           3
  2022-11-27 09:19:28           0
  2022-11-27 09:19:29           2
  2022-11-27 09:19:30           1

实现代码(基于Pandas)

步骤1:导入库并处理时间列

确保Time列被解析为datetime类型,方便后续按时间分组:

import pandas as pd

# 构造示例数据(实际场景可替换为pd.read_csv/pd.read_excel读取文件)
data = {
    'Time': ['2022-11-27 09:19:27', '2022-11-27 09:19:27', '2022-11-27 09:19:27',
             '2022-11-27 09:19:27', '2022-11-27 09:19:28', '2022-11-27 09:19:29',
             '2022-11-27 09:19:29', '2022-11-27 09:19:30', '2022-11-27 09:19:30'],
    'Source': ['192.168.1.128', '152.199.19.161', '192.168.1.128',
               '192.168.1.128', '142.250.186.67', '192.168.1.128',
               '192.168.1.128', '192.168.1.128', '142.250.186.67']
}

df = pd.DataFrame(data)
df['Time'] = pd.to_datetime(df['Time'])

步骤2:筛选目标IP并按秒计数

过滤出Source为192.168.1.128的行,然后以每秒为间隔分组统计数量:

# 筛选目标IP + 按秒分组计数
count_df = df[df['Source'] == '192.168.1.128'] \
            .groupby(pd.Grouper(key='Time', freq='S')) \
            .size() \
            .reset_index(name='Count')

步骤3:补全时间序列并填充0

生成从数据最小时间到最大时间的完整每秒序列,将计数结果合并后,把无目标IP的秒数计数填充为0:

# 生成完整的时间范围(每秒一个节点)
full_time_range = pd.date_range(start=df['Time'].min(), end=df['Time'].max(), freq='S')
full_time_df = pd.DataFrame({'Time': full_time_range})

# 合并数据并填充缺失值为0
result = pd.merge(full_time_df, count_df, on='Time', how='left').fillna(0)
# 将Count转为整数类型
result['Count'] = result['Count'].astype(int)

查看结果

运行print(result)即可得到期望输出:

Time  Count
0 2022-11-27 09:19:27      3
1 2022-11-27 09:19:28      0
2 2022-11-27 09:19:29      2
3 2022-11-27 09:19:30      1

内容的提问来源于stack exchange,提问作者user20491079

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.08.11 00:31:07