Pandas中的宝藏函数-rank()

 本文转载自微信公众号「AI入门学习」，作者小伍哥 。转载本文请联系AI入门学习公众号。

邵武ssl适用于网站、小程序/APP、API接口等需要进行数据传输应用场景，ssl证书未来市场广阔！成为创新互联的ssl证书销售渠道，可以享受市场价格4-6折优惠！如果有意向欢迎电话联系或者加微信：13518219792（备注：SSL证书合作）期待与您的合作！

所谓的排名，就是一组数据，我们想要知道每一条数据在整体中的名次，需要的是输出名次，并不改变原数据结构。

排序会改变原来的数据结构，且不会返回名次，这一点区别需要弄明白。初学的时候容易弄混淆。

本文将通过一个实例，讲清楚Pandas中rank()排名函数的应用。下面是案例数据，包括我、张三以及唐宋八大家的语文考试成绩。

 
 
 
 

  
  
  
  
import pandas as pd
  
  
  
  
data = pd.DataFrame({'班级':['1班','1班','1班','1班','1班','2班','2班','2班','2班','2班'],
  
  
  
  
'姓名':['韩愈','柳宗元','欧阳修','苏洵','苏轼','苏辙','曾巩','王安石','张三','小伍哥'],
  
  
  
  
'成绩':[80,70,70,40,10,60,60,50,50,40]})
  
  
  
  
#姓名长度不一样的，加个符号调整下，这该死的强迫症
  
  
  
  
data['姓名'] = data['姓名'].str.rjust(3,'〇') 
 
 
 
 

一、DataFrame的正常排名

Pandas中的排名，函数为rank()，使用也比较简单，需要注意的是各种排名的差异，需要进行充分理解，这样在实际应用中才不会出错。

函数用法：

 
 
 
 

  
  
  
  
DataFrame.rank(axis=0,method='average',numeric_only=None,
  
  
  
  
na_option='keep',ascending=True,pct=False)
 
 
 
 

参数说明：

axis：0或'index'，1或'columns'，默认0，沿着行或列计算排名

method：'average'，'min'，'max'，'first'，'dense'，默认为'average'，如何对具有相同值(即ties)的记录组进行排名：

• average：组的平均等级
• min：组中最低的排名
• max：组中最高等级
• first : 按排列顺序排列，依次排列
• dense：类似于 ‘min’，但组之间的排名始终提高1

numeric_only：bool，是否仅仅计算数字型的columns，布尔值

na_option：{'keep'，'top'，'bottom'}，默认为'keep'，NaN值是否参与排名及如何排名

• keep：将NaN等级分配给NaN值
• top：如果升序，则将最小等级分配给NaN值
• bottom：如果升序，则将最高等级分配给NaN值。

ascending：bool，默认为True，元素是否应该按升序排名。

pct：bool，默认为False，是否以百分比形式显示返回的排名。

所有的参数中，最核心的参数是method，一共5种排名方法，下面对这5种方法进行对比，应用的时候更好的去选择。

1、method='first'

当method='first'时，当里两个人的分数相同时，分数相同的情况下，谁先出现谁的排名靠前(当method取值为min，max，average时，都是要参考“顺序排名”的)，表中的柳宗元和欧阳修分数相同，但是柳宗元在表格的前面，所以排名第2，欧阳修排名第3。

代码如下：

 
 
 
 

  
  
  
  
#为了简化，我们只选择1班的成绩来看
  
  
  
  
data_1 = data[data['班级']=='1班']
  
  
  
  
data_1['成绩_first'] = data_1['成绩'].rank(method='first',ascending=False)
  
  
  
  
data_1
  
  
  
  
   班级   姓名  成绩  成绩_first
  
  
  
  
0  1班  〇韩愈  50       1.0
  
  
  
  
1  1班  柳宗元  30       2.0
  
  
  
  
2  1班  欧阳修  30       3.0
  
  
  
  
3  1班  〇苏洵  20       4.0
  
  
  
  
4  1班  〇苏轼  10       5.0
 
 
 
 

2、method='min'

当method='min'时，成绩相同的同学，取在顺序排名中最小的那个排名作为该值的排名，会出现名次跳空，柳宗元和欧阳修分数相同，在上面的排名中，分别排第2、第3，所以这里取两个中最小的为排名名次2作为共同的名次。

代码如下：

 
 
 
 

  
  
  
  
data_1 = data[data['班级']=='1班']
  
  
  
  
data_1['成绩_min'] = data_1['成绩'].rank(method='min',ascending=False)
  
  
  
  
data_1
  
  
  
  
   班级   姓名  成绩  成绩_min
  
  
  
  
0  1班  〇韩愈  50     1.0
  
  
  
  
1  1班  柳宗元  30     2.0
  
  
  
  
2  1班  欧阳修  30     2.0
  
  
  
  
3  1班  〇苏洵  20     4.0
  
  
  
  
4  1班  〇苏轼  10     5.0
 
 
 
 

3、method='max'

当method='max'时，与上面的min相反，成绩相同的同学，取在顺序排名中最大的那个排名作为该值的排名，，会出现名次跳空，柳宗元和欧阳修分数相同，在顺序排名中，分别排第2、第3，所以这里取两个中最大的为排名名次3作为共同的名次。

代码如下：

 
 
 
 

  
  
  
  
data_1 = data[data['班级']=='1班']
  
  
  
  
data_1['成绩_max'] = data_1['成绩'].rank(method='max',ascending=False)
  
  
  
  
data_1
  
  
  
  
   班级   姓名  成绩  成绩_max
  
  
  
  
0  1班  〇韩愈  50     1.0
  
  
  
  
1  1班  柳宗元  30     3.0
  
  
  
  
2  1班  欧阳修  30     3.0
  
  
  
  
3  1班  〇苏洵  20     4.0
  
  
  
  
4  1班  〇苏轼  10     5.0
 
 
 
 

4、method='dense'

method='dense'，dense是稠密的意思，即相同成绩的同学排名相同，其他依次加1即可，不会出现名次跳空的情况。柳宗元和欧阳修分数相同，在上面的排名中，分别排第2、第3，取相同排名2，这个看上去和min一样的，但是下一名的排名发生了变化，〇苏洵同学从第4名排到了第3名，排名数字连续的，没有跳跃。

代码如下：

 
 
 
 

  
  
  
  
data_1 = data[data['班级']=='1班']
  
  
  
  
data_1['成绩_dense'] = data_1['成绩'].rank(method='dense',ascending=False)
  
  
  
  
data_1
  
  
  
  
   班级   姓名  成绩  成绩_dense
  
  
  
  
0  1班  〇韩愈  50       1.0
  
  
  
  
1  1班  柳宗元  30       2.0
  
  
  
  
2  1班  欧阳修  30       2.0
  
  
  
  
3  1班  〇苏洵  20       3.0
  
  
  
  
4  1班  〇苏轼  10       4.0
 
 
 
 

5、method='average'

当method='average'或者默认值时，成绩相同时，取顺序排名中所有名次之和除以该成绩的个数，即为该成绩的名次;比如上述排名中，30排名为2,3，那么 30的排名 = (2+3)/2=2.5，成绩为50的同学只有1个，且排名为1，那50的排名就位1/1=1。

代码如下：

 
 
 
 

  
  
  
  
data_1 = data[data['班级']=='1班']
  
  
  
  
data_1['成绩_average'] = data_1['成绩'].rank(method='average',ascending=False)
  
  
  
  
data_1
  
  
  
  
   班级   姓名  成绩  成绩_average
  
  
  
  
0  1班  〇韩愈  50         1.0
  
  
  
  
1  1班  柳宗元  30         2.5
  
  
  
  
2  1班  欧阳修  30         2.5
  
  
  
  
3  1班  〇苏洵  20         4.0
  
  
  
  
4  1班  〇苏轼  10         5.0
 
 
 
 

综合上面的所有排名类型类型整体对比看看：