Actualización
Tras conversaciones en el chat, se clarifica que la detección de IPs duplicadas debe hacerse en base a la columna "Interface IP", mientras que los rangos solapados han de hallarse en base a la columna "Network Add".
En base a esto he cambiado ligeramente la respuesta original, en lugar de hacer un añadido, pues los cambios afectan a varias partes.
O es que la pregunta se las trae, o esLa solución que estoy yo muy espeso porque después de muchas vueltas solo se me ha ocurrido lo siguiente, queaunque un poco farragosa de explicar, es al final corta de implementar y muy largogeneral. ¡Disculpa!Creo que funciona en todos los casos. La idea es la siguiente.
- Detectar los duplicados en la columna "Interface IP" es sencillo, pues Pandas ya nos da un método
dataframe.duplicated()
(al final lo usamos) - Detectar el solapamiento de regiones es más complejo, especialmente si pueden aparecer en cualquier orden, pues de algún modo hay que comparar todas con todas. El módulo
ipaddress
puede ayudar aquí en la parte que determina si dos rangos expresados en CDIR se solapan o no.
La idea para la segunda cuestión sería como sigue:
- Extraer la columna "Network Add" a una lista
- Ordenar la lista usando una función
key
especial que utilicedevuelva 0 si dos direcciones se solapan (usará para ello la claseipaddress.IPv4Network
, que es capaz de detectar si dos redes en notación CDIR se solapan.) - Aplicar
itertools.groupby()
sobre esa lista ordenada, y usar para agrupar la misma función especial con que ordenamos la columna. Esto creará grupos en los que meterá todas las "Network Add" solapadas, aunque también meterá en grupos separados las que tengan "Network Add" repetidas (que en realidad no cuentan en este problema), y también creará grupos con un solo elemento para las que tengan valores únicos. - Procesar el resultado de ese
groupby()
para clasificar cada grupo en diferentescrear una lista sólo con los casos: IP única, IP repetida, IPs solapadas solapados.
Tras todo lo anterior, tendremos tres listas unicas
, repetidas
y solapadas
las cuales han clasificado todos los valores de la columna "Network Add" en uno de esos tres grupos.
Finalmente asignamos a la columna "Status" del dataframe la cadena "OK" por defecto en todas las filas, y después la cadena "Repeated" u "Overlapped"sólo a aquellas que dataframe.repeated()
detecte según el valor de la celdacolumna "Interface IP", y después la cadena "Overlapped" solo a aquellas cuya "Network Add" estéfigure en una de las tres listas antes construidasla lista que hemos construido en el paso 4.
Pero antes de nada, corregir los datos de ejemplo que pones, ya que el caso
20.85.51.0/23
no es válido por tener a 1 un bit de host. Debería ser20.85.50.0/23
. Y el siguiente20.85.52.0/24
, aunque es válido, no produciría solapamiento con el anterior. Para que lo produzca lo cambio por20.85.51.0/24
De paso, desordeno las filas para que no queden juntas las IPs que son iguales o solapadas, y añado otro caso en el que la "Network Add" es la misma, pero la "Interface Ip" es diferente, para que así sea más difícil.
De modo que mi dataframe es:
Site IP Site Name Instance Interface Name Network Add Interface IP 20.X.X.4 ROUTER4 VPRN1 interface4 20.85.50.0/23 20.85.50.1 20.X.X.1 ROUTER1 VPRN1 interface1 20.49.128.0/17 20.49.208.129 20.X.X.5 ROUTER5 VPRN1 interface5 20.85.51.0/24 20.85.51.1 20.X.X.2 ROUTER2 VPRN1 interface2 20.84.34.0/24 20.84.34.3 20.X.X.6 ROUTER3 VPRN1 interface3 20.84.34.0/24 20.84.34.5 20.X.X.3 ROUTER3 VPRN1 interface3 20.84.34.0/24 20.84.34.3
['20.49.128.0/17',
'20.84.34.0/24',
'20.84.34.0/24',
'20.84.34.0/24',
'20.85.50.0/23',
'20.85.51.0/24']
- Una sola IP
- Varias IPs que son idénticas (según la columna "Network Add"
- Varias IPs que se han considerado iguales porque se solapaban
Basándonos el la longitud de la lista que obtenemos para cada grupo determinamos:
- Si la longitud es 1, el grupo solo tiene un elemento, por tanto es una IP no duplicada
- En caso contrario pueden ser varias IPs duplicadas, o varias diferentes pero que se solapan. Para distinguir ambos, se convierte el grupo en un
set()
. Ya que losset()
eliminan los elementos idénticos, si el tamaño del conjunto resultante era 1, es que eran IPs idènticas. En otro caso eran solapadas.
Así pues usamos esta idea para ir poblando tres listas,Queremos quedarnos solo con aquellos casos que contendrán respectivamente las IPscorrespondan a solapamientos y esos los detectamos porque si convertimos a conjunto (okset()
,) las direcciones de cada grupo, aquellos grupos que corresponden a direcciones idénticas o individuales tendrán un solo elemento repetidas
y las(pues el tipo solapadasset()
: elimina duplicados).
ok = []
repetidas = []
solapadas = []
for _, g in grupos:
grupo = list(g)
if len(grupo) == 1:
ok.extend(grupo)
elif len(set(grupo))>1:
solapadas.extend(grupo)
else:
repetidas.extend(grupo)
Lo que obtenemos finalmente en las listas clasificadas esAsí pues usamos esta idea para quedarnos sólo con los casos de solapes:
['20.49.128.0/17'] repetidas = []
for _, g in grupos:
grupo #= oklist(g)
['20.84.34.0/24', '20.84.34.0/24'] #if repetidaslen(set(grupo))>1:
['20.85.50.0/23', '20.85.51.0/24'] # solapadas.extend(grupo)
Filtramos las filas según la red esté o no en una de las tres listas anteriores y asignamos la cadena apropiada en cada caso a la columna "Status"
df.loc[df["Network Add"].isin(ok), "Status"]df["Status"] = "OK"
df.loc[df["Network Add"]loc[df.isinduplicated(repetidas"Interface IP", False), "Status"] = "Duplicated"
df.loc[df["Network Add"].isin(solapadas), "Status"] = "Overlapped"
Site IP Site Name Instance ... Network Add Interface IP Status
0 20.X.X.4 ROUTER4 VPRN1 ... 20.85.50.0/23 20.85.50.1 Overlapped
1 20.X.X.1 ROUTER1 VPRN1 ... 20.49.128.0/17 20.49.208.129 OK
2 20.X.X.5 ROUTER5 VPRN1 ... 20.85.51.0/24 20.85.51.1 Overlapped
3 20.X.X.2 ROUTER2 VPRN1 ... 20.84.34.0/24 20.84.34.3 Duplicated
4 20.X.X.6 ROUTER3 VPRN1 ... 20.84.34.0/24 20.84.34.5 OK
5 20.X.X.3 ROUTER3 VPRN1 ... 20.84.34.0/24 20.84.34.3 Duplicated