我想要一个提取数据集ISCX2012特征的python滑动窗口60s步长1s的代码，每个节点的流量数据通过将时间窗口内的各种流量特征值相加得到

以下是一个提取ISCX2012数据集特征的Python代码，使用滑动窗口60秒步长1秒：

import pandas as pd

# 加载数据
data = pd.read_csv('ISCX2012.csv')

# 定义滑动窗口大小和步长
window_size = 60
step_size = 1

# 初始化特征列表
features = []

# 对每个节点进行特征提取
for node in data['Node'].unique():
    node_data = data[data['Node'] == node]
    
    # 对每个时间窗口进行特征提取
    for i in range(0, len(node_data) - window_size + 1, step_size):
        window_data = node_data.iloc[i:i + window_size]
        
        # 计算各种特征值
        total_packets = window_data['Packets'].sum()
        total_bytes = window_data['Bytes'].sum()
        avg_packet_size = total_bytes / total_packets if total_packets > 0 else 0
        tcp_packets = window_data[window_data['Protocol'] == 'TCP']['Packets'].sum()
        udp_packets = window_data[window_data['Protocol'] == 'UDP']['Packets'].sum()
        icmp_packets = window_data[window_data['Protocol'] == 'ICMP']['Packets'].sum()
        tcp_flags = window_data[window_data['Protocol'] == 'TCP']['Flags'].value_counts().to_dict()
        udp_ports = window_data[window_data['Protocol'] == 'UDP']['Dst Port'].unique().tolist()
        
        # 将特征值添加到列表中
        features.append({
            'Node': node,
            'Start Time': window_data.iloc[0]['Start Time'],
            'End Time': window_data.iloc[-1]['End Time'],
            'Total Packets': total_packets,
            'Total Bytes': total_bytes,
            'Average Packet Size': avg_packet_size,
            'TCP Packets': tcp_packets,
            'UDP Packets': udp_packets,
            'ICMP Packets': icmp_packets,
            'TCP Flags': tcp_flags,
            'UDP Ports': udp_ports
        })

# 将特征列表转换为数据框并保存为CSV文件
features_df = pd.DataFrame(features)
features_df.to_csv('ISCX2012_features.csv', index=False)

这个代码首先加载ISCX2012数据集，然后对每个节点进行循环，并在每个节点上对每个时间窗口进行循环。对于每个时间窗口，代码计算各种流量特征值，并将它们添加到特征列表中。最后，特征列表被转换为数据框，并保存为CSV文件。