熊猫检查哪个子网IP地址属于

Question

我有一个包含用户及其 IP 地址的 Pandas 数据框：users_df = pd.DataFrame({'id': [1,2,3],                         'ip': ['96.255.18.236','105.49.228.135','104.236.210.234']})   id               ip0   1    96.255.18.2361   2   105.49.228.1352   3  104.236.210.234以及包含网络范围和相应地理名称 ID 的单独数据框：geonames_df = pd.DataFrame({'network': ['96.255.18.0/24','105.49.224.0/19','104.236.128.0/17'],                            'geoname': ['4360369.0','192950.0','5391959.0']})     geoname           network0  4360369.0    96.255.18.0/241   192950.0   105.49.224.0/192  5391959.0  104.236.128.0/17对于每个用户，我需要针对所有网络检查他们的 ip，并提取相应的 geoname 并将其添加到users_df. 我想要这个作为输出：   id               ip   geonames0   1    96.255.18.236  4360369.01   2   105.49.228.135   192950.02   3  104.236.210.234  5391959.0在这个例子中很简单，因为它们的顺序是正确的，只有 3 个例子。实际上，users_df有 4000 行，并且geonames_df有超过 300 万行我目前正在使用这个：import ipaddressnetworks = []for n in geonames_df['network']:    networks.append(ipaddress.ip_network(n))geonames = []for idx, row in users_df.iterrows():    ip_address = ipaddress.IPv4Address(row['ip'])    for block in networks:        if ip_address in block:            geonames.append(str(geonames_df.loc[geonames_df['network'] == str(block), 'geoname'].item()))            breakusers_df['geonames'] = geonames由于数据帧/列表上的嵌套循环，这非常慢。有没有更快的方法来利用 numpy/pandas？或者至少是某种比上述方法更快的方法？有一个类似的问题（如何在 python 2.x 中检查 ip 是否在网络中？），但是 1）它不涉及 pandas/numpy，2）我想针对多个网络检查多个 IP ，以及 3 ) 得票最高的答案无法避免嵌套循环，这就是我性能缓慢的原因