training_set['proto'] = training_set['proto'].cat.codes training_set['proto'] = training_set['proto'].astype(dtype='int32') training_set['state'] = training_set['state'].cat.codes training_set['state'] = training_set['state'].astype(dtype='int32') training_set['srcip'] = training_set['srcip'].cat.codes training_set['srcip'] = training_set['srcip'].astype(dtype='int32') training_set['dstip'] = training_set['dstip'].cat.codes training_set['dstip'] = training_set['dstip'].astype(dtype='int32') training_set['ltime'] = training_set['ltime'].astype(dtype='int64') training_set['stime'] = training_set['stime'].astype(dtype='int64') training_set["is_ftp_login"] = training_set["is_ftp_login"].astype(int) training_set["is_sm_ips_ports"] = training_set["is_sm_ips_ports"].astype(int) training_set["label"] = training_set["label"].astype(int) testing_set['proto'] = testing_set['proto'].cat.codes testing_set['proto'] = testing_set['proto'].astype(dtype='int32') testing_set['state'] = testing_set['state'].cat.codes testing_set['state'] = testing_set['state'].astype(dtype='int32') testing_set['srcip'] = testing_set['srcip'].cat.codes testing_set['srcip'] = testing_set['srcip'].astype(dtype='int32') testing_set['dstip'] = testing_set['dstip'].cat.codes testing_set['dstip'] = testing_set['dstip'].astype(dtype='int32') testing_set['ltime'] = testing_set['ltime'].astype(dtype='int64') testing_set['stime'] = testing_set['stime'].astype(dtype='int64') testing_set["is_ftp_login"] = testing_set["is_ftp_login"].astype(int) testing_set["is_sm_ips_ports"] = testing_set["is_sm_ips_ports"].astype(int) testing_set["label"] = testing_set["label"].astype(int)

这段代码是将数据集中的一些列转换为整数类型。具体来说，它们使用了 pandas 的 `.cat.codes` 函数将分类变量转换为整数类型，并使用 `.astype()` 函数将其他列转换为整数类型。下面是各列转换后的数据类型：

- 'proto'：转换为整数类型（int32）
- 'state'：转换为整数类型（int32）
- 'srcip'：转换为整数类型（int32）
- 'dstip'：转换为整数类型（int32）
- 'ltime'：转换为长整型（int64）
- 'stime'：转换为长整型（int64）
- 'is_ftp_login'：转换为整数类型（int）
- 'is_sm_ips_ports'：转换为整数类型（int）
- 'label'：转换为整数类型（int）

这些转换可以使得数据集更加适合用于机器学习算法的训练和测试。