pandas rank() 排名

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 的 rank() 方法用于计算 DataFrame 或 Series 中每个值的排名。排名的计算方式可以根据参数进行调整，比如处理重复值的方法和排名的方式。

语法

DataFrame.rank(axis=0, method='average', numeric_only=False,
	na_option='keep', ascending=True, pct=False)

参数

axis：int，默认值是 0
指定计算排名的轴。0 表示按列计算排名，1 表示按行计算排名。
method：str，默认值是 'average'
处理重复值的方法。可以取值：
- 'average'：给重复值的平均排名
- 'min'：给重复值最小的排名
- 'max'：给重复值最大的排名
- 'first'：给重复值中第一个出现的排名
- 'dense'：像 'min' 方法一样，但排名是连续的，不会跳跃
numeric_only：bool，默认值是 False
是否只计算数值类型的列。默认为 False，即计算所有列（如果 True，会忽略非数值类型的列）。
na_option：str，默认值是 'keep'
如何处理缺失值（NaN）。可以取值：
- 'keep'：保持缺失值的位置
- 'top'：缺失值排名排在最前面
- 'bottom'：缺失值排名排在最后面
ascending：bool，默认值是 True
是否按升序计算排名。True 表示升序，False 表示降序。
pct：bool，默认值是 False
是否计算百分比排名。如果为 True，返回每个排名的百分比；如果为 False，返回实际排名。

返回值

返回一个 DataFrame 或 Series，其中包含每个元素的排名。数据类型与原数据一致。

使用场景

数据排序与排名：在数据分析中常需要对数据进行排序和排名，以便进行进一步分析。
特征工程：在机器学习中，排名信息可以作为特征使用。
统计分析：用于计算数据的相对位置，尤其是在处理排名相关的统计问题时。

示例

df = pd.DataFrame(data={'Animal': ['cat', 'penguin', 'dog',
                                   'spider', 'snake'],
                        'Number_legs': [4, 2, 4, 8, np.nan]})
df
'''
    Animal  Number_legs
0      cat          4.0
1  penguin          2.0
2      dog          4.0
3   spider          8.0
4    snake          NaN
'''

被分配给该组的排名平均值（默认情况下）。

s = pd.Series(range(5), index=list("abcde"))
s["d"] = s["b"]
s.rank()
'''
a    1.0
b    2.5
c    4.0
d    2.5
e    5.0
dtype: float64
'''

以下示例显示了该方法在上述参数下的行为：

default_rank: 这是在不使用任何参数的情况下获得的默认行为。
max_rank: 设置 method='max'具有相同值的记录使用最高排名进行排名（例如：由于'cat'和'dog'都在第二和第三位，因此分配了排名3。）
NA_bottom: 选择na_option='bottom'，如果有NaN值的记录，它们将被放置在排名的底部。
pct_rank: 当设置pct=True时，排名表示为百分位数排名。

df['default_rank'] = df['Number_legs'].rank()
df['max_rank'] = df['Number_legs'].rank(method='max')
df['NA_bottom'] = df['Number_legs'].rank(na_option='bottom')
df['pct_rank'] = df['Number_legs'].rank(pct=True)
df
'''
    Animal  Number_legs  default_rank  max_rank  NA_bottom  pct_rank
0      cat          4.0           2.5       3.0        2.5     0.625
1  penguin          2.0           1.0       1.0        1.0     0.250
2      dog          4.0           2.5       3.0        2.5     0.625
3   spider          8.0           4.0       4.0        4.0     1.000
4    snake          NaN           NaN       NaN        5.0       NaN
'''

案例

假设我们有一个包含学生成绩的 DataFrame，我们可以使用 rank() 方法来计算每个学生成绩的排名。

import pandas as pd

# 创建示例数据
data = {
    '数学': [75, 85, 95, 65, 70],
    '英语': [88, 92, 85, 70, 80],
    '物理': [92, 90, 87, 85, 80]
}
df = pd.DataFrame(data)

# 计算排名
ranks = df.rank(method='min', ascending=False, pct=True)
print(ranks)
'''
    数学   英语   物理
0  0.6  0.4  0.2
1  0.4  0.2  0.4
2  0.2  0.6  0.6
3  1.0  1.0  0.8
4  0.8  0.8  1.0
'''

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.rank.html

pandas rank() 排名

语法

参数

返回值

使用场景

示例

案例

参考

相关内容