Python pandas.core.groupby.DataFrameGroupBy.rank用法及代碼示例

用法: DataFrameGroupBy.rank(method='average', ascending=True, na_option='keep', pct=False, axis=0)

提供每個組中值的排名。

參數：

method：{‘average’, ‘min’, ‘max’, ‘first’, ‘dense’}，默認 ‘average’

平均：組的平均排名。
min：組中最低的排名。
max：組中的最高排名。
first:ranks 按它們出現在數組中的順序分配。
密集：類似於‘min’，但組間排名總是增加 1。

ascending：布爾值，默認為真

從高 (1) 到低 (N) 的等級為假。

na_option：{‘keep’, ‘top’, ‘bottom’}，默認 ‘keep’

保持：將 NA 值保留在它們所在的位置。
top：升序時的最小排名。
底部：降序時的最小排名。

pct：布爾值，默認為 False

計算每組內數據的百分比排名。

axis：整數，默認 0

要計算等級的對象的軸。

具有每組內值排名的 DataFrame

例子：

>>> df = pd.DataFrame(
...     {
...         "group":["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"],
...         "value":[2, 4, 2, 3, 5, 1, 2, 4, 1, 5],
...     }
... )
>>> df
  group  value
0     a      2
1     a      4
2     a      2
3     a      3
4     a      5
5     b      1
6     b      2
7     b      4
8     b      1
9     b      5
>>> for method in ['average', 'min', 'max', 'dense', 'first']:
...     df[f'{method}_rank'] = df.groupby('group')['value'].rank(method)
>>> df
  group  value  average_rank  min_rank  max_rank  dense_rank  first_rank
0     a      2           1.5       1.0       2.0         1.0         1.0
1     a      4           4.0       4.0       4.0         3.0         4.0
2     a      2           1.5       1.0       2.0         1.0         2.0
3     a      3           3.0       3.0       3.0         2.0         3.0
4     a      5           5.0       5.0       5.0         4.0         5.0
5     b      1           1.5       1.0       2.0         1.0         1.0
6     b      2           3.0       3.0       3.0         2.0         3.0
7     b      4           4.0       4.0       4.0         3.0         4.0
8     b      1           1.5       1.0       2.0         1.0         2.0
9     b      5           5.0       5.0       5.0         4.0         5.0

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.core.groupby.DataFrameGroupBy.rank。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：