Python Pandas DataFrame rank方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[4,5,3,3], "B": ["b","a","c","d"]})
df



   A  B
0  4  b
1  5  a
2  3  c
3  3  d

按列排名

要获取每列值的排序：

df.rank()   # axis=0



   A    B  
0  3.0  2.0
1  4.0  1.0
2  1.5  3.0
3  1.5  4.0

请注意 A 列中有两个 1.5 。这是因为我们有一个平局 - 条目 A2 和 A3 共享相同的值，因此 rank(~) 方法计算它们的排名平均值(默认为 method="average")。即 1 和 2 的平均值。

按行排名

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[3,4],"B":[1,2],"C":[5,6]})
df



   A  B  C
0  3  1  5
1  4  2  6

要对每行的值进行排名，请设置 axis=1 ：

df.rank(axis=1)



   A    B    C
0  2.0  1.0  3.0
1  2.0  1.0  3.0

指定方法

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[8,6,6,8]})
df



   A
0  8
1  6
2  6
3  8

平均的

默认情况下， method="average" ，这意味着计算重复值的平均排名：

df.rank()



   A
0  3.5
1  1.5
2  1.5
3  3.5

最大限度

使用每组的最大排名：

df.rank(method="max")



   A
0  4.0
1  2.0
2  2.0
3  4.0

这里再次df供您参考：

df



   A
0  8
1  6
2  6
3  8

分钟

使用每组的最小排名：

df.rank(method="min")



   A
0  3.0
1  1.0
2  1.0
3  3.0

第一的

要使用原始 DataFrame 中的值的顺序：

df.rank(method="first")



   A
0  3.0
1  1.0
2  2.0
3  4.0

在这里，请注意第一个值 8 的排名如何分配 3 ，而最后一个值 8 的排名如何分配 4 。这是因为它们在 df 中的排序，即第一个 8 被分配较低的排名，因为它在 df 中出现较早。

这里再次df供您参考：

df



   A
0  8
1  6
2  6
3  8

稠密

这与 "min" 类似，不同之处在于每个重复组后排名都会增加 1：

df.rank(method="dense")



   A
0  2.0
1  1.0
2  1.0
3  2.0

为了澄清，在 "min" 的情况下，组值 8 被分配了 3 的排名，但对于 "dense" ，每组后排名仅增加 1。因此，我们最终得到下一组的排名2。

指定na_option

考虑以下带有一些缺失值的DataFrame：

df = pd.DataFrame({"A":[pd.np.NaN,6,pd.np.NaN,5]})
df



   A
0  NaN
1  6.0
2  NaN
3  5.0

默认情况下， na_option="keep" ，这意味着 NaN 在排名期间被忽略并保留在结果 DataFrame 中：

df.rank()   # na_option="keep"



   A
0  NaN
1  2.0
2  NaN
3  1.0

要将最低排名( 1 、 2 、 ... )分配给缺失值：

df.rank(na_option="top")



   A
0  1.5
1  4.0
2  1.5
3  3.0

在这里，您会看到 1.5 ，因为我们有 2 个 NaN ，因此计算了它们的排名平均值( 1 和 2 )。

要将最高排名分配给缺失值：

df.rank(na_option="bottom")



   A
0  3.5
1  2.0
2  3.5
3  1.0

排名按降序排列

考虑我们之前的DataFrame：

df = pd.DataFrame({"A":[4,5,3,3], "B":["b","a","c","d"]})
df



   A  B
0  4  b
1  5  a
2  3  c
3  3  d

要按降序排列(最大值的等级为 1)，只需设置 ascending=False ：

df.rank(ascending=False)



   A    B  
0  2.0  3.0
1  1.0  4.0
2  3.5  2.0
3  3.5  1.0

使用百分位数排名

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[4,5,3,3], "B":["b","a","c","d"]})
df



   A  B
0  4  b
1  5  a
2  3  c
3  3  d

要使用百分位数排名，请设置 pct=True ：

df_one.rank(pct=True)



   A      B   
0  0.750  0.50
1  1.000  0.25
2  0.375  0.75
3  0.375  1.00

按多列排名

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[8,9,9], "B":[7,6,5]})
df



   A  B
0  8  7
1  9  6
2  9  5

要按列 A 排名，同时使用列 B 作为领带烧杯：

df[["A","B"]].apply(tuple, axis=1).rank()



0    1.0
1    3.0
2    2.0
dtype: float64

请注意以下事项：

• 第一行的排名为1，因为A 的值最低。

• 第二行和第三行都有相同的值 A 。因此，我们将它们的值B用作tie-breaker；由于第三行的 B 值较大，因此它的排名为 2 。

现在让我们分解代码。我们首先使用 apply(~) 方法将两列组合成一列元组：

df[["A","B"]].apply(tuple, axis=1)



0    (8, 7)
1    (9, 6)
2    (9, 5)
dtype: object

然后我们使用排名方法，如下所示：

df[["A","B"]].apply(tuple, axis=1).rank()



0    1.0
1    3.0
2    2.0
dtype: float64