如何从CSV流量dump计算数据包大小并在Python中生成分布

一、计算数据包大小的逻辑 #

CSV中的帧长度字段是核心依据，具体计算方式取决于你需要的是哪一层的数据包大小：

• 链路层总大小：直接使用CSV中的帧长度值，这是抓包工具（如Wireshark）捕获的完整以太网帧字节数，包含14字节以太网头、IP/TCP/UDP数据、4字节CRC校验尾。
• IP层数据包大小：如果需要排除链路层开销，用帧长度 - 18（14字节以太网头 + 4字节CRC）；若抓包导出的帧长度不含CRC，仅减14字节即可。
• 传输层净荷大小：如果CSV中没有IP头长度字段，无法精确计算（IP头长度可变），只能基于IP层大小再减去20字节（IP头最小长度）估算。

注意：如果流量不是以太网链路（如PPP），链路层头部长度需对应调整（比如PPP是8字节）。

二、Python生成数据包大小分布的实现 #

依赖准备 #

先安装所需库：

pip install pandas matplotlib seaborn

完整代码示例（推荐用Pandas） #

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 1. 读取CSV流量文件
# 替换为你的CSV路径和实际帧长度列名（比如"frame_length"）
df = pd.read_csv("traffic_dump.csv")
frame_len_col = "帧长度"

# 2. 计算目标数据包大小（这里以链路层总大小为例）
# 若需IP层大小，替换为 df["packet_size"] = df[frame_len_col] - 18
df["packet_size"] = df[frame_len_col].astype(int)

# 3. 生成分布可视化
plt.figure(figsize=(10, 6))
# 直方图+密度曲线，bins可根据数据范围调整
sns.histplot(data=df, x="packet_size", kde=True, bins=50, edgecolor="black")

plt.title("数据包大小分布")
plt.xlabel("大小（字节）")
plt.ylabel("数据包数量")
plt.grid(axis="y", linestyle="--", alpha=0.7)

# 保存图表或直接显示
plt.savefig("packet_size_dist.png")
plt.show()

# 输出统计指标（均值、中位数、分位数等）
print("数据包大小统计：")
print(df["packet_size"].describe())

轻量版（无Pandas，用原生CSV模块） #

如果不想用Pandas，用Python标准库实现：

import csv
import matplotlib.pyplot as plt

packet_sizes = []
frame_len_col = "帧长度"

# 读取CSV并提取有效帧长度
with open("traffic_dump.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        try:
            # 转换为整数，跳过无效数据
            size = int(row[frame_len_col])
            packet_sizes.append(size)
        except (ValueError, KeyError):
            continue

# 绘制直方图
plt.figure(figsize=(10, 6))
plt.hist(packet_sizes, bins=50, edgecolor="black", density=True)
plt.title("数据包大小分布")
plt.xlabel("大小（字节）")
plt.ylabel("概率密度")
plt.grid(axis="y", linestyle="--", alpha=0.7)
plt.show()

内容的提问来源于stack exchange，提问作者Steamer