文章目录

Pandas.rank() 函数详解一、参数解析二、案例分享默认排名`降序: ascending = False``method = 'min'``method = 'max'``method = 'first'``method = 'dense'``na_option='bottom'``pct = True`

Pandas.rank() 函数详解

一、参数解析

method：指定排名时的策略。

默认值为 'average'，表示相同值的项将会获得平均排名。可选的取值还包括

'min'：相同值的项将获得最小排名；'max'：相同值的项将获得最大排名；'first'：相同值的项将获得第一次出现时的排名；'dense'。相同值的项将获得连续排名。 ascending：指定排名的顺序。

默认值为 True，升序。设置为 False 降序。 na_option：指定如何处理缺失值（NaN）。

默认值为 'keep'，缺失值不参与排名。设置为 'top' 则将缺失值放在排名结果的顶部。设置为 'bottom' 则将缺失值放在排名结果的底部。 pct：指定是否返回百分比排名。

默认值为 False 表示返回实际的排名值。设置为 True 则返回相对于总项数的百分比排名值。

二、案例分享

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emma', 'Frank'],

'Score': [90, 85, 85, 75, None, 78]}

df = pd.DataFrame(data)

默认排名

升序、忽略缺失值；遇到相同数值（如score=85），排名会平分

df['Rank'] = df['Score'].rank()

降序: ascending = False

df['Rank'] = df['Score'].rank(ascending=False)

method = 'min'

相同值的项将获得最小排名；此处相同值为85，占排名3、4位，取最小3；此时排名会出现断层

df['Rank'] = df['Score'].rank(method='min')

method = 'max'

相同值的项将获得最大排名；此处相同值为85，占排名3、4位，取最大4；此时排名会出现断层

df['Rank'] = df['Score'].rank(method='max')

method = 'first'

相同值的项将获得第一次出现时的排名；此处相同值为85，占排名3、4位，Name=Bob出现在前，Name=Charlie出现在后；此时排名不会出现断层

df['Rank'] = df['Score'].rank(method='first')

method = 'dense'

相同值的项将获得连续排名；此时排名不会出现断层

df['Rank'] = df['Score'].rank(method='dense')

na_option='bottom'

缺失值参与排名；缺失值排名靠后

df['Rank'] = df['Score'].rank(na_option='bottom')

pct = True

返回百分比排名，如此处score=75排名第1（升序），总项数是5，1/5=0.2；该参数可以扩展的实际需求：求销售额Top20的商品等

df['Rank'] = df['Score'].rank(pct=True)