Renommer les catégories d'une colonne dans un dataframe Résolu/Fermé

Question

Bonsoir tout le monde,

J'ai un DataFrame de cette sorte :

import io
import pandas as pd

csv = io.StringIO("""action,adresse_ip,ip_source,ip_destination,client
block,128.30.03.29,29E9t9994,12300rtgR30,client1
block,13.19.04.22,29E9th9994,12300Rg30,client1
allow,40.77.05.293,29dfbfE99994,12d300R30,client2
block,128.90.73.294,29E99fv994,1230s0R30,client2
allow,128.30.83.295,29Egfn99994,12h300R30,client3
allow,90.03.93.296,29E99fv994,123k00R30,client5
allow,128.30.04.297,29E99994,12300tR30,client7
block,128.40.01.298,29E99994,1230z0R30,client8
block,128.50.02.299,29E99994,1230v0R30,client9""")

df = pd.read_csv(csv)

Ce sont toutes des données catégorielles, et j'aimerais corriger les adresses IP (colonne 2) commençant par 128.30 (donc ici, les lignes 1, 5, 7 des données CSV) en 128.30.0.0.

J'ai des millions de données et je ne peux pas faire une par une. J'ai essayé cette approche mais ça ne marche pas :
df["adresse_ip"] = [
    "128.30.0.0" if (df[df["source_ip"].astype(str).str.startswith('128.30')]) else
    x
    for x in df["adresse_ip"]
] 

Merci d'avance de votre aide.

mamiemando · Answer

Bonjour,

Merci de fournir des exemples minimaux et directement réutilisables, en suivant https://forums.commentcamarche.net/forum/affich-37548300-extraire-des-lignes-d-un-dataframe#3 ce genre de modèle afin qu'on ne galère pas à charger de notre côté tes données d'exemple.

Merci également de formater ton message et de soigner l'orthographe :

 le "code" non python (résultat de programme, nom de fichiers...) devrait être dans des balises de code
 le code python devrait être dans une balise de code python (clique sur le triangle à droite du permettant de mettre les balises de code).

J'ai reformaté ton message en conséquence, j'espère ne pas avoir commis d'erreur (notamment tes noms de colonnes semblaient incorrects).

Bref, en repartant de ton message corrigé, ton code devrait être corrigé ainsi :

df["adresse_ip"] = [
    "128.30.0.0" if x.startswith('128.30') else
    x
    for x in df["adresse_ip"]
]
print(df)

... ce qui donne :

  action     adresse_ip     ip_source ip_destination   client0  block     128.30.0.0     29E9t9994    12300rtgR30  client11  block    13.19.04.22    29E9th9994      12300Rg30  client12  allow   40.77.05.293  29dfbfE99994      12d300R30  client23  block  128.90.73.294    29E99fv994      1230s0R30  client24  allow     128.30.0.0   29Egfn99994      12h300R30  client35  allow   90.03.93.296    29E99fv994      123k00R30  client56  allow     128.30.0.0      29E99994      12300tR30  client77  block  128.40.01.298      29E99994      1230z0R30  client88  block  128.50.02.299      29E99994      1230v0R30  client9

... mais à mon avis ce serait mieux d'utiliser pandas.DataFrame.apply ou pandas.DataFrame.replace.

df["adresse_ip"] = df["adresse_ip"].apply(
    lambda ip: "128.30.0.0" if ip.startswith('128.30') else ip
)

df["adresse_ip"] = df["adresse_ip"].replace(
    regex=r"^128[.]30[.].*",
    value="128.30.0.0"
)

Bonne chance

FerhatYous · Answer

Merci les deux marchent bien pour moi

Renommer les catégories d'une colonne dans un dataframe

2 réponses

Discussions similaires