Python Pandas Series.rank()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.rank()函数计算沿轴的数值数据等级(1到n)。相等的值被分配一个等级，该等级是这些值的等级的平均值。

用法： Series.rank(axis=0, method=’average’, numeric_only=None, na_option=’keep’, ascending=True, pct=False)

参数：
axis:直接排名索引
method:{“平均”，“最小”，“最大”，“第一”，“密集”}
numeric_only:仅包含float，int，boolean数据。仅对DataFrame或Panel对象有效
na_option:{“保持”，“顶部”，“底部”}
ascending:从高(1)到低(N)的等级错误
pct:计算数据的百分比等级

返回：等级：与来电者类型相同

范例1：采用Series.rank()函数对给定Series对象的基础数据进行排名。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([10, 25, 3, 11, 24, 6]) 
  
# Create the Index 
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp'] 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.rank()函数返回给定Series对象的基础数据的等级。

# assign rank 
result = sr.rank() 
  
# Print the result 
print(result)

输出：

正如我们在输出中看到的，Series.rank()函数已将排名分配给给定Series对象的每个元素。

范例2：采用Series.rank()函数对给定Series对象的基础数据进行排名。给定的数据还包含一些相等的值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([10, 25, 3, 11, 24, 6, 25]) 
  
# Create the Index 
index_ = ['Coca Cola', 'Sprite', 'Coke', 'Fanta', 'Dew', 'ThumbsUp', 'Appy'] 
  
# set the index 
sr.index = index_ 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.rank()函数返回给定Series对象的基础数据的等级。

# assign rank 
result = sr.rank() 
  
# Print the result 
print(result)

输出：

正如我们在输出中看到的，Series.rank()函数已将排名分配给给定Series对象的每个元素。注意，为相等的值分配了一个等级，该等级是其等级的平均值。

相关用法

注：本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas Series.rank()。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。