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.
La solución que se me ha ocurrido, aunque un poco farragosa de explicar, es al final corta de implementar y muy general. 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 devuelva 0 si dos direcciones se solapan (usará para ello la clase ipaddress.IPv4Network
)
- 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 crear una lista sólo con los casos solapados.
Finalmente asignamos a la columna "Status" del dataframe la cadena "OK" por defecto en todas las filas, y después la cadena "Repeated" sólo a aquellas que dataframe.repeated()
detecte según la columna "Interface IP", y después la cadena "Overlapped" solo a aquellas cuya "Network Add" figure en la lista que hemos construido en el paso 4.
Así que vamos a ver cómo hacer cada uno de estos pasos:
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 ser 20.85.50.0/23
. Y el siguiente 20.85.52.0/24
, aunque es válido, no produciría solapamiento con el anterior. Para que lo produzca lo cambio por 20.85.51.0/24
De paso, desordeno las filas para que no queden juntas las IPs que son 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
1. Extraer la columna
Esta es sencilla:
networks = list(df["Network Add"])
2. Ordenar la columna
Esto es necesario para que las IPs que sean iguales queden juntas. Y consideraremos también "iguales" (de momento) aquellas que se solapen.
Necesitamos escribir una función que pueda comparar dos IPs en formato CDIR y retorne 0 si son iguales (o se solapan), -1 si la primera es anterior a la segunda, o 1 en caso contrario. Sería así:
from ipaddress import IPv4Network
def compare(add1, add2):
add1 = IPv4Network(add1, strict=False)
add2 = IPv4Network(add2, strict=False)
if add1.overlaps(add2):
return 0
else:
return add1.compare_networks(add2)
Para poder usar esa función como key
(tanto en sorted()
como después en groupby()
) necesitamos transformarla con ayuda de functools.cmp_to_key()
:
from functools import cmp_to_key
compare_key = cmp_to_key(compare)
Con esto finalmente ordenar las redes es una sola instrucción:
networks = sorted(networks, key=compare_key)
El resultado una vez ordenadas vemos que ha dejado juntas a las que son idénticas o se solapan:
['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']
3. Agruparlas
from itertools import groupby
grupos = groupby(networks, key=compare_key)
Esto creará varios grupos separados. En cada grupo puede haber:
- Una sola IP
- Varias IPs que son idénticas (según la columna "Network Add"
- Varias IPs que se han considerado iguales porque se solapaban
4. Clasificarlas
El resultado que tenemos en grupos
es un iterable. En cada iteración nos devuelve una tupla cuyo primer elemento es una clave (no nos interesa, la podemos ignorar) y el segundo elemento es otro iterable que podemos convertir en lista para obtener los miembros de ese grupo.
Queremos quedarnos solo con aquellos casos que correspondan a solapamientos y esos los detectamos porque si convertimos a conjunto (set()
) las direcciones de cada grupo, aquellos grupos que corresponden a direcciones idénticas o individuales tendrán un solo elemento (pues el tipo set()
elimina duplicados).
Así pues usamos esta idea para quedarnos sólo con los casos de solapes:
repetidas = []
for _, g in grupos:
grupo = list(g)
if len(set(grupo))>1:
solapadas.extend(grupo)
Paso final: guardar resultado en dataframe
df["Status"] = "OK"
df.loc[df.duplicated("Interface IP", False), "Status"] = "Duplicated"
df.loc[df["Network Add"].isin(solapadas), "Status"] = "Overlapped"
Podemos observar que el resultado es correcto (recuerda que había desordenado las filas para ver si aún así funcionaba correctamente):
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