有没有办法混淆或屏蔽数据框列中的值？

Posted 2023-03-12

【中文标题】有没有办法混淆或屏蔽数据框列中的值？

【英文标题】：Is there a way to Obfuscate or Mask values in a Data Frame column?

【发布时间】：2019-09-12 01:36:46

【问题描述】：

我正在尝试屏蔽 DataFrame 列中的所有 IP。我有一个包含 IP 地址的列的 DataFrame。出于隐私和安全原因，当 DataFrame 显示为表格或使用 Plotly 绘制图形时，我需要隐藏\屏蔽前 2 个八位字节。你认为哪种方法最好？我能想到的唯一方法是制作一个额外的列并使用 apply 函数将 IP 处理为 X.X.1.1 格式。

【问题讨论】：

df['masked_IP'] = df.IP.str.replace('^[^.]+\.[^.]+', 'x.x')

【参考方案1】：

您的方法似乎没有错。您还可以复制数据集并加密副本（以防您要保存新数据集）。

或者，如果您只是想保护隐私，您可以使用匿名技术。当您想保密时，它将在更大的项目中为您提供帮助，这里有一些链接

https://en.wikipedia.org/wiki/Data_anonymization https://iapp.org/resources/article/guide-to-basic-data-anonymization-techniques/

【参考方案2】：

import pandas as pd
from pandas.compat import StringIO

print(pd.__version__)

csvdata = StringIO("""IP
192.168.1.10
192.168.1.11
192.168.1.12
192.168.1.13""")

df = pd.read_csv(csvdata)
df['IP'] = df['IP'].apply(lambda x: "X.X."+".".join(x.split('.')[2:4]))
print(df)

会产生

0.24.2
         IP
0  X.X.1.10
1  X.X.1.11
2  X.X.1.12
3  X.X.1.13

这可能是在DataFrame 中“编辑”数据的最佳方式